The prognostic value of machine learning methods in tennis
Napovedna vrednost metod strojnega učenja v tenisu

angleški

2014

letnik 20, številka 1

izbira   machine learning   napovedovanje   selection   strojno učenje   tekmovalna uspešnost   tenis

Univerza v Ljubljani, Fakulteta za šport
(Obvezni izvod spletne publikacije)

Namen te študije je bila ocena zmožnosti napovedovanja igralne uspešnosti v tekmovalnem tenisu z uporabo metod strojnega učenja na rezultatih motoričnih in morfoloških testov mladih tekmovalcev. Razvrstitev tekmovalcev glede na njihovo tekmovalno uspešnost je bila narejena z več metodami: naivni Bayes, odločitveno drevo, C4.5 algoritem, k-najbližjih sosedov, metoda podpornih vektorjev in logistična regresija. Po razvrstitvi igralcev v kakovostne razrede sta bili za avtomatsko iskanje najobetavnejših atributov uporabljeni metodi ReliefF in metoda ovojnice. Za napovedovanje tekmovalne uspešnosti v starostni skupni pod 12 let in starostni skupini med 12 in 16 let sta bili najuspešnejši metodi naivni Bayes z ReliefF in logistična regresija z metodo ovojnice. Obvladovanje žogice z loparjem se je izkazalo za najbolj obetaven atribut. Napovedovanje tekmovalne uspešnosti teniških igralcev se je izkazalo za zelo kompleksen problem, zato ker je bila točnost napovedovalnih modelov na podlagi morfoloških in motoričnih dejavnikov sorazmerno slaba.

26.01.2018