Analiza dinamike podaj v košarki

magistrsko delo

Valentin Sojar (Avtor), Igor Kononenko (Mentor), Petar Vračar (Komentor)

Povzetek

V zadnjih letih je analiza športnih tekem doživela razcvet. Prav to je botrovalo k razvijanju dodatnih statistik ekip ter posameznikov znotraj ekipe. To se je preneslo tudi na košarko, ki je zaradi svoje dinamičnosti zanimiva. Podatkom play-by-play, ki vsebuje podatke o dogodkih v napadu, so dodali tudi prostorsko-časovne podatke, ki vsebujejo podatke o pozicijah žoge in igralcev v danem trenutku. Zanimiva statistika, ki je bila pridobljena iz podatkov, je tudi število podaj med igralci, zaporedje podaj in kakšen vpliv ima podaja na uspešnost napada. V magistrski nalogi je predstavljena analiza, ki preučuje, kako se dinamika podaj in uspešnost ekipe spremeni ob odsotnosti najboljšega igralca. Predstavljena sta dva načina strojnega učenja, hierarhično gručenje, na podalgi grafa podaj med igralnimi položaji in grafa podaj med conami igrišča ter nevronske mreže, kjer se na podlagi prostorsko-časovnih podatkov in podatkov analize grafov podaj napoveduje uspešnost napada. Rezultati kažejo, da so ekipe bolj uspešne, ko je na igrišču njihov najbolši igralec. Pri hierarhičnem gručenju so rezultati pokazali, da podaje med conami igrišča bolje napovejo uspešnost ekipe skozi celotno sezono kot podaje med igralnimi položaji. Nadzorovano učenje je vrnilo 68,25 % točnost pri napovedovanju uspešnosti napada.

Ključne besede

simulacija tekem;analiziranje podaj;magisteriji;

Podatki

Jezik:	Slovenski jezik
Leto izida:	2021
Tipologija:	2.09 - Magistrsko delo
Organizacija:	UL FRI - Fakulteta za računalništvo in informatiko
Založnik:	[V. Sojar]
UDK:	004.8:796.323.2(043.2)
COBISS:	91634179
Št. ogledov:	187
Št. prenosov:	31
Ocena:	0 (0 glasov)
Metapodatki:

Ostali podatki

Sekundarni jezik:	Angleški jezik
Sekundarni naslov:	Analysis of pass dynamics in basketball
Sekundarni povzetek:	In recent years, the analysis of sports matches has flourished, leading to the development of additional statistics on teams and team individuals. This also applies to basketball, a sport that is particularly interesting because of its dynamic character. Spatio-temporal data containing data on ball and player positions at a given point in time have thus been added to the play-by-play data containing data on the events during an attack. Moreover, the number of passes between players, the sequence of passes, and the impact of a pass on the success of an attack represent interesting statistical elements obtained from the data. The master’s thesis provides an analysis examining the changes in pass dynamics and team performance in the absence of the best player. We use two of machine learning approaches: hierarchical clustering, based on the graph of passes between player positions and the graph of passes between court areas, and neural networks, where the success of an attack is predicted based on spatio-temporal data and data obtained from the analyses of pass graphs. The results show that team performance is better when the best player is on the court. What is more important, the results of hierarchical clustering indicate that passes between court areas better predict team performance throughout the season than passes between player positions. The accuracy of supervised learning in predicting the success of an attack was 68,25 %.
Sekundarne ključne besede:	data mining;game simulation;pass analyisis;computer science;master's degree;Podatkovno rudarjenje;Računalniška simulacija;Košarka;Računalništvo;Univerzitetna in visokošolska dela;
Vrsta dela (COBISS):	Magistrsko delo/naloga
Študijski program:	1000471
Komentar na gradivo:	Univ. v Ljubljani, Fak. za računalništvo in informatiko
Strani:	63 str.
ID:	14206927