Murat Can YÜKSEL, Mehmet Fatih AKAY, Ebru ÇETİN, Sevtap ERDEM, İmdat YARIM

Hamstring ve Kuadriseps Kas Gücünün Çoklu Doğrusal Regresyon Kullanılarak Tahmin Edilmesi

Hamstring ve Kuadriseps kas gruplarının gücü, atletler ve sporcuların performanslarının değerlendirilmesi için önemli bir rol oynamaktadır. Bu çalışmanın amacı, Hamstring ve Kuadriseps kas gücünün Çoklu Doğrusal Regresyon (Multiple Linear Regression, MLR) kullanılarak tahmin edilmesidir. Bu çalışma için kullanılan veri seti 70 sporcuya ait cinsiyet, spor dalı, boy, ağırlık ve yaş bilgilerinin yanı sıra hedef değişkenleri olarak iki tip fiziksel aktivite (statik antrenman ve klasik antrenman) ile ölçülen hamstring ve kuadriseps kas gücü değerlerinden oluşmaktadır. Tahmin modellerinin oluşturulmasında MLR ile birlikte çapraz doğrulama ve rastgele veri dağılımı olmak üzere farklı doğrulama seçenekleri kullanılmıştır. Tahmin modellerinin değerlendirilmesi amacıyla Ortalama Karesel Hata (Root Mean Square Error, RMSE) değerleri hesaplanmıştır. RMSE değerlerinin 14.91ve 32.41 Nm olarak değişmesi, MLR’nin kabul edilebilir hata oranlarıyla, hamstring ve kuadriseps kas gücünün tahmininde makine öğrenme yöntemlerine alternatif olarak kullanılabilirliğini göstermektedir.

Anahtar Kelimeler:

Çoklu doğrusal regresyon, Hamstring, Kuadriseps, Tahmin

Prediction of Hamstring and Quadriceps Muscle Strength Using Multiple Linear Regression

The strength of hamstring and quadriceps muscles plays an important role for athletes and sportspeople in determining their performance. The purpose of this study is to predict the hamstring and quadriceps muscle strength using Multiple Linear Regression (MLR). The dataset used for this study includes the data of 70 athletes consisting of the features gender, sports branch, height, weight and age, as well as the hamstring and quadriceps muscle strength values measured with two types of activities (static training and classic training) used as the target variables. MLR has been used for the development of prediction models using different types of validation options including cross-validation and random percentage data split. The Root Mean Square Error (RMSE) has been utilized as the main error metric for evaluating the performance of the prediction models. The RMSE values of the prediction models range between 14.91 and 32.41 Nm, showing that in addition to machine learning methods, MLR can also be used for predicting the hamstring and quadriceps muscle strength with acceptable error rates.

Keywords:

Multiple linear regression, Hamstring, Quadriceps, Prediction,

PDF

___

Akay, M.F., Abut, F., Çetin, E., Yarım, İ. and Sow, B. 2017. Support Vector Machines for Predicting the Hamstring and Quadriceps Muscle Strength of College-Aged Athletes. Turkish Journal of Electrical Engineering and Computer Sciences. 25, 2567-2582. Abadie, B. and Wentworth, M.C. 2000. Prediction of One Repetition Maximal Strength from a 5-10 Repetition Submaximal Strength Test in College-Aged Females. Journal of Exercise Physiology. 3, 1-6.
Horvat, M., Ramsey, V., Franklin, C., Gavin, C., Palumbo, T. and Glass, L.A. 2003. A method for predicting maximal strength in collegiate women athletes. The Journal of Strength & Conditioning Research. 17, 324-328.
Harbo, T., Brincks, J. and Andersen, H. 2012. Maximal isokinetic and isometric muscle strength of major muscle groups related to age, body mass, height, and sex in 178 healthy subjects. European Journal of Applied Physiology. 112, 267-275.
Muraki, S., Fukumoto, K. and Fukuda, O. 2013. Prediction of the muscle strength by the muscle thickness and hardness using ultrasound muscle hardness meter. Springerplus. 2, 457.
Sow, B., 2017. Prediction of Hamstring and Quadriceps Muscle Strength of Athletes Using Machine Learning Methods. Yüksek Lisans Tezi, Çukurova Üniversitesi Fen Bilimleri Enstitüsü.