Makine öğrenmesi ile basketbolda pozisyona dayalı kümeleme
Position based clustering in basketball with machine learning
- Tez No: 990009
- Danışmanlar: DR. ÖĞR. ÜYESİ ZEYNEP BATMAZ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Eskişehir Teknik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Yazılımı Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Modern basketbolda, geleneksel beş pozisyonlu sınıflandırma sistemi oyun yapısının temelini oluştursa da zamanla gelişen pozisyon içi oyuncu çeşitliliğini ve farklı oyun tarzlarını kapsamlı bir şekilde karakterize etmekte yetersiz kalabilmektedir. Bu tez çalışması; oyun kurucu (PG), şutör gard (SG), kısa forvet (SF), uzun forvet (PF) ve pivot (C) geleneksel pozisyonlarını dikkate alarak oyuncuları gelişmiş istatistiksel ölçütler ve beşli kadro verileriyle analiz eden bir pozisyona dayalı kümeleme yöntemi önermektedir. NBA analiz literatüründe yeterince incelenmemiş bir yöntem olan İkiye Ayıran K-ortalamalar algoritması kullanılarak, 2007-2024 yılları arasındaki 15 sezonluk veriler doğrultusunda, her pozisyon için normalleştirilmiş gelişmiş istatistiklerle oyuncu kümeleri oluşturulmuştur. Küme sayılarının belirlenmesinde 28 farklı küme geçerlilik indeksi birlikte değerlendirilerek en uygun küme sayıları belirlenmiştir. Çalışma, sadece oyuncuların kümelenmesini değil, aynı zamanda bu kümelerin beşli kadro metrikleri üzerindeki etkilerini de analiz ederek farklı oyuncu tiplerinin takım stratejisine nasıl katkı sağladığını ortaya koymaktadır. Ayrıca İkiye Ayıran K-ortalamalar algoritmasının efektifliği, literatürde daha yaygın olarak kullanılan Hiyerarşik Kümeleme algoritması ile kıyaslanmıştır. Bu tez, yorumlanabilir ve uygulanabilir bir pozisyona dayalı kümeleme yaklaşımı sunarak farklı oyuncu profillerini belirlemek ve bu oyuncu profillerinin takım yapısına etkisini daha iyi anlamak adına spor analitiği alanına katkı sağlamaktadır.
Özet (Çeviri)
In modern basketball, although the traditional five-position classification system forms the foundation of the game structure, it has become insufficient to comprehensively characterize the growing diversity of players within positions and the variety of playing styles that have evolved over time. This thesis proposes a position-based clustering method that analyzes players using advanced statistical metrics and five-man lineup data, while considering the traditional positions of point guard (PG), shooting guard (SG), small forward (SF), power forward (PF), and center (C). By employing the Bisecting K-means algorithm, which has been relatively underexplored in the NBA analytics literature, player clusters were formed for each position based on normalized advanced statistics covering 15 seasons from 2007 to 2024. To determine the number of clusters, 28 different cluster validity indices were jointly evaluated to identify the most optimal cluster configurations. Beyond clustering players, the study also examines how these clusters influence five-man lineup metrics, thereby revealing how different player types contribute to team strategies. Furthermore, the effectiveness of the Bisecting K-means algorithm is compared with the more commonly used Hierarchical clustering method. This thesis contributes to the field of sports analytics by presenting an interpretable and applicable position-based clustering approach aimed at identifying diverse player profiles and better understanding their impact on team composition.
Benzer Tezler
- Center of mass prediction from joint angles: A machine learning study in under-16 basketball athletes
Eklem açılarından kütle merkezi tahmini: 16 yaş altı basketbol oyuncularında makine öğrenimi çalışması
OMAR KASSEM
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. BURCU TUNÇ ÇAMLIBEL
- Basketbol serbest atış performansında elektrofizyolojik ölçümleme tabanlı yapay zekâ modeli
Electrophysiological data-driven artificial intelligence modeling for basketball free throw performance
RAMAZAN SEMİH TEKE
Yüksek Lisans
Türkçe
2025
Bilim ve TeknolojiMarmara ÜniversitesiBeden Eğitimi ve Spor Ana Bilim Dalı
PROF. DR. ADİL DENİZ DURU
- Makine öğrenmesi yöntemleri ile nba oyuncu değeri öncülerinin tahmin edilmesi
Predicting nba player value pre-indicators using machine learning methods
TUBA SARI
Yüksek Lisans
Türkçe
2023
Yönetim Bilişim SistemleriAkdeniz ÜniversitesiYönetim Bilişim Sistemleri Ana Bilim Dalı
DOÇ. DR. KERİM KÜRŞAT ÇEVİK
- Futbolcuların piyasa değerinde performansın önemi: Bir makine öğrenimi yaklaşımı
The importance of performance of football players on market value: A machine learning approach
HÜSEYİN EKREM BAYAR
Yüksek Lisans
Türkçe
2022
İstatistikYıldız Teknik Üniversitesiİstatistik Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ERHAN ÇENE
- Basketbol maç sonuçlarının makine öğrenmesi yöntemleri ile tahmin edilmesi
Prediction of basketball match results by machine learning methods
ENGİN ÖZDEMİR
Yüksek Lisans
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMuğla Sıtkı Koçman ÜniversitesiBilişim Sistemleri Mühendisliği Ana Bilim Dalı
DOÇ. DR. SERKAN BALLI