한국스포츠경영전략연구원

본 연구는 기계학습(machine learning)을 적용하여 경륜 경주의 경기 순위를 예측하고, 해당 예측에 활용된 각각의 AI 알고리즘 성능을 비교·분석하기 위하여 실시되었다. 이를 위해 국민체육진흥공단에서 제공한 경륜 선수 출추표와 경기결과 데이터(광명스피돔, 2016~2022년 경주 전수)를 기반으로 실증분석을 시행하였다. 본 연구에서는 파이썬(Python)을 활용하여 자료를 수집하고 가공하였 으며, 실질적인 분석을 위해 네이브 베이즈(Naive Bayes), 로지스틱 회귀(Logistic Regression), 랜덤 포레스트(Random Forest), 배깅(Bagging), 서포트 벡터 머신(SVM: Support Vector Machine), 의사결정나무(Decision Tree), 에이다 부스트(AdaBoost), K최근접이웃(KNN: K-Nearest Neighbor)의 여덟 가지 알고리즘을 적용하였다. 또한, 각 알고리즘의 성능 확인과 평가를 위해 정확 도(accuracy), 정밀도(precision), 재현율(recall), F1-score, 평균제곱근오차(RMSE), 결정계수(R-squared)를 평가 기준으로 사용하 였다. 본 연구는 단승식, 복승식, 삼복승식을 결과변수로 놓고 실증분석을 시행한 결과 로지스틱 회귀의 성능이 단승식(88.19%)과 복 승식(80.07%)의 경우 정확도가 가장 높은 것으로 나타났으며, 삼복승식(78.17%)의 경우 에이다 부스트의 성능이 높게 평가되는 것으 로 드러났다. 전체적으로 로지스틱 회귀, 에이다 부스트, 서포트 벡터 머신의 성능이 다른 다섯 가지 알고리즘의 성능과 비교 시 상 대적으로 더 우수한 것으로 확인되었다. 본 연구는 경륜 경주의 경주 순위를 예측하기 위해 다양한 머신러닝 알고리즘을 적용하여 이들의 성능을 비교·분석함으로써 기존에는 실증되지 않은 경륜 데이터로 기계학습을 적용하였다는 데 의의가 있다. 본 연구의 실증 결과를 통해 스포츠 애널리틱스 분야의 발전을 위해 연구의 방향을 제시하였다는 측면에서의 학문적인 의의는 물론, 실무적인 참고자 료로 활용될 수 있을 것으로 판단된다.

​

주요어 : 경륜, 경주 결과 예측, 머신러닝, 알고리즘 성능 비교

링크 : https://www.dbpia.co.kr/journal/articleDetail?nodeId=NODE11404605