한국 프로야구에서 등급별 선수 구성 정보를 활용한 기계학습 회귀 모델의 팀 득점 예측력 개선

초록

야구는 "타점"을 해주는 타자가 있어야 주자가 "득점"을 할 수 있고, 타순별로 균등하게 공격 기회를 부여받는다는 특징이 있다. 이러한 특징은 공격이 우수한 선수에게 공격 기회를 집중시킬 수 없다는 것을 의미하는데, 그렇기 때문에 선수 구성이 특히 중요한 종목이다. 본 연구에서는 이 선수 구성 정보가 팀 득점 예측력을 높이는 데에 유용하게 사용될 수 있는지를 확인해 보았다. 타율(AVG), 출루율(OBP), 장타율(SLG), OPS(On-Base Plus Slugging), wOBA(weighted On Base Average), wRC+(Weighted Runs Created) 등의 개인별 평가지표를 기준으로 선수들에게 각각의 평가지표별 등급을 부여하고, 이 등급별 선수 분포 정보를 팀 득점 예측에 사용하였다. 실험 결과, 등급별 선수 분포 정보를 팀 공격력 통계와 함께 사용하여 팀 득점을 예측하면, 팀 통계만을 사용하여 예측하는 것보다 더 정확하게 팀 득점을 예측하였다. 본 연구에서 제안하는 방법은, 각 통계 항목별로 어떤 등급의 선수들이 몇 명씩 있는지 까지를 고려하여 팀 득점을 예측하는 방법이므로, 예측력을 높여줄 뿐만 아니라, 팀 통계가 비슷한 팀들 사이에서 팀 득점에 대한 우열을 예측하고자 할 때 유용하게 사용할 수 있다.

키워드