Makine öğrenmesi yöntemleri ile nba oyuncu değeri öncülerinin tahmin edilmesi
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Akdeniz Üniversitesi, Sosyal Bilimler Enstitüsü, -, Türkiye
Tezin Onay Tarihi: 2023
Tezin Dili: Türkçe
Öğrenci: TUBA SARI
Danışman: KERİM KÜRŞAT ÇEVİK
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Spor tüm dünya tarafından takip edilen bir endüstri olması sebebiyle birçok bilim dalı tarafından araştırılmıştır. Spor gibi çok değişkenli ve büyük verilerin olduğu bir alanı analiz etmeyi hedefleyen akademik çalışmalar da oldukça fazladır. Makine öğrenmesi yöntemlerini spor verileri üzerinde kullanarak yapılan araştırmalar literatürde sıklıkla gözlemlenmektedir. Toplumun en çok takip ettiği spor dallarından biri basketboldur. National Basketball Association (NBA), Amerika Birleşik Devletleri merkezli profesyonel basketbol ligi olarak bilinmektedir. NBA, 1946 yılında kurulmuş olup, günümüzde dünyada en çok takip edilen basketbol organizasyonu olarak kabul edilmektedir. En çok takip edilen basketbol ligi olmasından dolayı araştırmada NBA verilerinden yararlanılmıştır. Bu tez çalışmasında oyuncuların istatistiklerinin maaşlarına etkisi, oyuncuların Win Share (kazanma payı) değerleri makine öğrenimi yöntemleri ile analiz edilmiştir. Tez çalışmasında oyuncuların sahadaki performansları, takımların bordroları ve maaşa etki edecek diğer değişkenler ikincil verilerden toplanmıştır. Win Share değişkenini sekiz farklı makine öğrenmesi algoritması kullanarak tahmin yapılmıştır. Makine öğrenmesi modellerinden Lineer Regresyon, Yapay Sinir Ağları, XgBoost Learning, Rastgele Orman, Karar Ağaçları Topluluk Öğrenmesi Rastgele Orman ve Gradient Boosting, SVM ve Karar Ağaçları olmak üzere 8 farklı algoritma kullanılarak modelleme yapılmış R2, MAE, MSE, RMSE ve MAPE hata ölçüm sonuçları karşılaştırılarak analiz edilmiştir. İlk analizden sonra modelde Çapraz Doğrulama yapılmış sonuçlar tekrar hesaplanmıştır. Bu algoritmalar içinden Win Share'i en başarılı şekilde tahmin eden algoritmalar tespit edilmiştir Bu tez çalışmasında çapraz doğrulama sonrası model başarısı en yüksek modeller R2'ye göre 0,839 ile Rastgele Orman, 0,824 ile Karar Ağaçları Topluluk Öğrenmesi Gradient Boosting, 0,819 ile Karar Ağaçları Topluluk Öğrenmesi Rastgele Orman olarak tespit edilmiştir. Bu çalışmada hesaplanan Win Share kullanılarak gerçek bir değer elde edilebilecektir. Başarı oranı yüksek tahminleme yapan algoritma kullanılarak bir maaş hesabına ulaşılabilecektir. Bu şekilde oyuncuların hak ettiği maaşa yakın gerçek bir bulgu elde edilebilecektir. Anahtar Kelimeler: Makine Öğrenmesi, Yapay Zekâ, Tahminleme, Veri Madenciliği, NBA