Makine öğrenmesi yöntemleri ile nba oyuncu değeri öncülerinin tahmin edilmesi
Predicting nba player value pre-indicators using machine learning methods
- Tez No: 832123
- Danışmanlar: DOÇ. DR. KERİM KÜRŞAT ÇEVİK
- Tez Türü: Yüksek Lisans
- Konular: Yönetim Bilişim Sistemleri, Management Information Systems
- Anahtar Kelimeler: Makine Öğrenmesi, Yapay Zekâ, Tahminleme, Veri Madenciliği, NBA, Machine Learning, Artificial Intelligence, Estimation, Data Mining, NBA
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Akdeniz Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: Yönetim Bilişim Sistemleri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 139
Özet
Spor tüm dünya tarafından takip edilen bir endüstri olması sebebiyle birçok bilim dalı tarafından araştırılmıştır. Spor gibi çok değişkenli ve büyük verilerin olduğu bir alanı analiz etmeyi hedefleyen akademik çalışmalar da oldukça fazladır. Makine öğrenmesi yöntemlerini spor verileri üzerinde kullanarak yapılan araştırmalar literatürde sıklıkla gözlemlenmektedir. Toplumun en çok takip ettiği spor dallarından biri basketboldur. National Basketball Association (NBA), Amerika Birleşik Devletleri merkezli profesyonel basketbol ligi olarak bilinmektedir. NBA, 1946 yılında kurulmuş olup, günümüzde dünyada en çok takip edilen basketbol organizasyonu olarak kabul edilmektedir. En çok takip edilen basketbol ligi olmasından dolayı araştırmada NBA verilerinden yararlanılmıştır. Bu tez çalışmasında oyuncuların istatistiklerinin maaşlarına etkisi, oyuncuların Win Share (kazanma payı) değerleri makine öğrenimi yöntemleri ile analiz edilmiştir. Tez çalışmasında oyuncuların sahadaki performansları, takımların bordroları ve maaşa etki edecek diğer değişkenler ikincil verilerden toplanmıştır. Win Share değişkenini sekiz farklı makine öğrenmesi algoritması kullanarak tahmin yapılmıştır. Makine öğrenmesi modellerinden Lineer Regresyon, Yapay Sinir Ağları, XgBoost Learning, Rastgele Orman, Karar Ağaçları Topluluk Öğrenmesi Rastgele Orman ve Gradient Boosting, SVM ve Karar Ağaçları olmak üzere 8 farklı algoritma kullanılarak modelleme yapılmış R2, MAE, MSE, RMSE ve MAPE hata ölçüm sonuçları karşılaştırılarak analiz edilmiştir. İlk analizden sonra modelde Çapraz Doğrulama yapılmış sonuçlar tekrar hesaplanmıştır. Bu algoritmalar içinden Win Share'i en başarılı şekilde tahmin eden algoritmalar tespit edilmiştir Bu tez çalışmasında çapraz doğrulama sonrası model başarısı en yüksek modeller R2'ye göre 0,839 ile Rastgele Orman, 0,824 ile Karar Ağaçları Topluluk Öğrenmesi Gradient Boosting, 0,819 ile Karar Ağaçları Topluluk Öğrenmesi Rastgele Orman olarak tespit edilmiştir. Bu çalışmada hesaplanan Win Share kullanılarak gerçek bir değer elde edilebilecektir. Başarı oranı yüksek tahminleme yapan algoritma kullanılarak bir maaş hesabına ulaşılabilecektir. Bu şekilde oyuncuların hak ettiği maaşa yakın gerçek bir bulgu elde edilebilecektir.
Özet (Çeviri)
Since sports is an industry followed all over the world, it has been researched by many branches of science. There are also many academic studies that aim to analyze a field with multiple variables and large data, such as sports. Research using machine learning methods on sports data is frequently observed in the literature. One of the sports most followed by society is basketball. National Basketball Association (NBA) is known as the professional basketball league based in the United States. NBA was founded in 1946 and is now considered the most followed basketball organization in the world. NBA data was used in the research because it is the most followed basketball league. In this thesis study, the effect of players' statistics on their salaries and the players' Win Share values were analyzed using machine learning methods. In the thesis study, the performance of the players on the field, the payrolls of the teams and other variables that will affect the salary were collected from secondary data. The Win Share variable was predicted using eight different machine learning algorithms. R2, MAE, MSE, RMSE and MAPE error measurement results were modeled using 8 different algorithms, including Linear Regression, Artificial Neural Networks, XgBoost Learning, Random Forest, Decision Trees, Ensemble Learning, Random Forest and Gradient Boosting, SVM and Decision Trees, among machine learning models. were compared and analyzed. After the first analysis, the model was cross-validated and the results were recalculated. Among these algorithms, the ones that predict Win Share most successfully have been identified. In this thesis study, the models with the highest model success after cross-validation were determined as Random Forest with 0.839 according to R2, Decision Trees Ensemble Learning Gradient Boosting with 0.824, and Decision Trees Ensemble Learning Random Forest with 0.819. A real value can be obtained using the Win Share calculated in this study. A salary calculation can be achieved by using an algorithm that makes predictions with a high success rate. In this way, a real finding close to the salary that the players deserve can be obtained.
Benzer Tezler
- Prediction of basketball game results using machine learning algorithms: Analysis of NBA & TBL
Makine öğrenmesi yöntemleri ile basketbol maç sonucu tahmini: NBA ve TBL analizleri
CANER KAHRAMAN
Yüksek Lisans
İngilizce
2022
İstatistikOrta Doğu Teknik Üniversitesiİstatistik Ana Bilim Dalı
PROF. DR. BARIŞ SÜRÜCÜ
- Makine öğrenmesi yöntemleri ile video görüntülerindeki fiziksel şiddetin tespit edilmesi
Video based physical violation detection using machine learning methods
MUHAMMET FATİH POLAT
Yüksek Lisans
Türkçe
2022
İstatistikDokuz Eylül Üniversitesiİstatistik Ana Bilim Dalı
PROF. DR. AYLİN ALIN
- Makine öğrenmesi yöntemleri ile sahte felaket tweetlerinin tahmini
Predicting fake disaster tweets with machine learning methods
FATMA KURŞUN
Yüksek Lisans
Türkçe
2022
İstatistikYıldız Teknik Üniversitesiİstatistik Ana Bilim Dalı
PROF. DR. FATMA NOYAN TEKELİ
- Makine öğrenmesi yöntemleri ile futbol oyuncularının performans analizi
Football player performance analysis using machine learning techniques
VEHBİ HAKAN SAYAN
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBurdur Mehmet Akif Ersoy ÜniversitesiYönetim Bilişim Sistemleri Ana Bilim Dalı
DOÇ. DR. EMRAH HANÇER
- Makine öğrenmesi yöntemleri ile banka pazarlama tahmini
Bank marketing prediction with machine learning methods
EGEMEN TÜRKMEN
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Kültür ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ÖZGÜR KORAY ŞAHİNGÖZ