Futbolcuların piyasa değerinde performansın önemi: Bir makine öğrenimi yaklaşımı
The importance of performance of football players on market value: A machine learning approach
- Tez No: 747281
- Danışmanlar: DR. ÖĞR. ÜYESİ ERHAN ÇENE
- Tez Türü: Yüksek Lisans
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: İstatistik Bilim Dalı
- Sayfa Sayısı: 65
Özet
Modern spor dallarının icadından beri spor severler, sporcular ve yöneticiler sürekli olarak veri ile yaşamaktadırlar. Bilgisayar teknolojilerinin gelişimi ile birlikte verinin üretilmesi, toplanması, işlenmesi ve bilgiye dönüşümünün kolaylaşması, pek çok sektörde büyük etki yaratmıştır. Günümüzde veri bilimi uygulamaları her alanda olduğu gibi spor dallarında da hızla yaygınlaşmaktadır. Futbol, basketbol, beyzbol, hokey gibi takım sporlarında rekabet üstünlüğü sağlamak amacıyla; oyuncu keşfi ve gelişimi, taktik geliştirme, transfer süreçlerinin yönetilmesi vb. konularda kulüpler veri bilimi uygulamalarına sıklıkla başvurmaktadırlar. Bu çalışmada amaçlanan, makine öğrenmesi algoritmaları kullanılarak futbolcuların piyasa değerlerini tahmin etmek ve bir öneri sistemi olarak kullanılıp kullanılmayacağını araştırmaktır. Araştırmada kullanılan veri seti 2017-2021 sezonları içerisinde beş büyük Avrupa liginde (Almanya, Fransa, İngiltere, İspanya, İtalya) oynamış 3948 futbolcudan oluşmaktadır. Araştırma sonucunda piyasa değerinin bonservis bedelini açıklamada ve transfer süreçlerini yönetmede etkili bir faktör olabileceği düşünülmektedir. Tüm çalışmalar Python programla dili yapılmıştır. Temel Bileşen Analizi ile veri seti içerisinde çok fazla sayıda bulunan performans istatistikleri daha az bileşenle açıklanmıştır. Modelleme aşamasında LGBM, XGBoost, RF ve Bagging algoritmaları kullanılmış ve model başarıları değerlendirdikten sonra referans model olarak LGBM modelinin araştırma probleminde en iyi performansı gösterdiği tespit edilmiştir. Referans modelin performansı, öznitelik mühendisliği ve parametre ayarlamaları ile iyileştirilmiştir. Model sonuçları, SHAP analizi ve hipotez testleri kullanılarak incelenmiştir. Bu yöntemler, model başarısı ve piyasa değeri ile bonservis bedeli arasındaki ilişki hakkında detaylı bilgi sunmaktadır.
Özet (Çeviri)
Since the invention of modern sports, sports lovers, athletes and managers have constantly been living with data. With the development of computer technologies, the production, collection, processing and conversion of data into information has become easier and has had a great impact on many sectors. Today, data science applications are spreading rapidly in sports branches as in every field. In order to provide competitive advantage in team sports such as football, basketball, baseball and hockey; player discovery and development, tactics development, management of transfer processes, etc. clubs frequently apply to data science applications. The aim of this study is to predict the market values of football players using machine learning algorithms and to investigate whether they can be used as a recommendation system. The data set used in the research consists of 3948 football players who played in five major European leagues (Germany, France, England, Spain, Italy) during the 2017-2021 seasons. As a result of the research, it is thought that the market value can be an effective factor in explaining the transfer fee and managing the transfer processes. All work has been done in Python programming language. Performance statistics, which are too many in the data set, are explained with fewer components by using Principal Component Analysis. LGBM, XGBoost, RF and Bagging algorithms were used in the modeling phase and after evaluating the model performance, it was determined that the LGBM model showed the best performance in the research problem as a reference model. The performance of the reference model has been improved by feature engineering and parameter tuning. Model results were analyzed using SHAP analysis and hypothesis testing. These methods provide detailed information about the model performance and the relationship between market value and transfer fees.
Benzer Tezler
- A comparative study for football analytics with data mining and artificial intelligence techniques
Veri madenciliği ve yapay zeka teknikleri ile karşılaştırmalı futbol analitiği
MUSTAFA AADEL MASHJAL AL-ASADI
Doktora
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ŞAKİR TAŞDEMİR
- Türk futbolunda alt yapı sorunsalı: Bir sistem arayışı
Infrastructure problem in turkish football: A search for A system
ENDER ŞENEL
Doktora
Türkçe
2020
SporMuğla Sıtkı Koçman ÜniversitesiBeden Eğitimi ve Spor Ana Bilim Dalı
PROF. DR. ÖZCAN SAYGIN
- Finding the determinants of player market value in association football using FIFA video game data
Başlık çevirisi yok
OZAN CAN EREN
Yüksek Lisans
İngilizce
2021
SporÖzyeğin ÜniversitesiVeri Bilimi Ana Bilim Dalı
DOÇ. DR. OKAN ÖRSAN ÖZENER
DR. ÖĞR. ÜYESİ ERİNÇ ALBEY
- Hisseleri halka arz edilen Türk futbol kulüplerinin mali tablolarının Türkiye muhasebe standartları çerçevesinde incelenmesi
Study of Turkish football clubs' financial statements traded in ise in compliance with Turkish accounting standards
BANU SULTANOĞLU
- Futbolcuların aerobik-anaerobik eşik seviyelerinin, Edirnespor, Kırklarelispor, Trakya Üniversitesi futbol takımlarında ölçülmesi ve saha uygulamaları
An Investigation and field application on aerobic threshold levels in the football clubs, football players of Edirnespor, Kırklarelispor and Trakya University
AKIN DEMİR
Yüksek Lisans
Türkçe
1999
SporTrakya ÜniversitesiBeden Eğitimi ve Spor Ana Bilim Dalı
YRD. DOÇ. DR. İLHAN TOKSÖZ