TÜRKİYE ERKEKLER BASKETBOL LİGİ MAÇ SONUÇLARININ MAKİNE ÖĞRENMESİ YÖNTEMLERİ İLE TAHMİNİ

Basketbol maçları dünyada en çok izlenen spor aktivitelerinden birisidir. Bu popülerlik sonucunda basketbol sporunda bilgi teknolojileri sık sık kullanılmaktadır. İstatistik ve veri depolama sistemlerinin gelişmesiyle maç istatistikleri, oyuncu özellikleri gibi parametreler artık çok kolay saklanabilmektedir. Müsabaka sonucu tahmini insanlara müsabaka öncesi bilgi vermesi açısından önemlidir. Müsabaka sonucu tahmini ile ilgili olarak Amerikan basketbol ligleri üzerine çalışmalar mevcut iken Avrupa basketbolu ligleri üzerine çalışmaların sayısı azdır. Literatürde bir ilk olarak bu çalışmada, müsabaka sonucu tahmini için Türkiye Erkekler Basketbol Süper Ligi maçları Dört Faktör ve DefansOfans modeli ile makine öğrenmesi yöntemleri beraber kullanılarak ele alınmıştır. Buna göre 2017-2018 tarihlerinde oynanan maçlar veri seti olarak kullanılmış ve Dört Faktör modeli ile birlikte incelenmiştir. Popüler makine öğrenmesi yöntemleri olan kNN, Lojistik Regresyon, Çok Katmanlı Algılayıcı, Naive Bayes, j48 ve Oylama ile kullanılmış ve çıkan sonuçlar değerlendirilmiştir. Sonuç olarak %96,55’lik tahmin başarısı yakalanmıştır.

Anahtar Kelimeler:

Türkiye Basketbol Ligi, Dört Faktör, Makine Öğrenmesi, Tahmin

PREDICTION OF TURKISH MEN’S BASKETBALL SUPER LEAGUE GAME RESULTS WITH MACHINE LEARNING METHODS

Basketball competitions are one of the most watched sports activities in the world. As a result of this popularity, information technologies are frequently used in basketball. With the development of statistics and data storage systems, parameters such as match statistics, player properties can now be stored very easily. The prediction of the competition result is important in that it provides information to people before the competition. While there are studies on American basketball leagues in this topic, there are few studies on European basketball leagues. As a first in the literature in this study, results of competitions for Turkish Men's Basketball Super League game prediction were examined by using Four Factor model, DefenseOfense model and machine learning methods together. Accordingly, the matches played between 2017-2018 were used as data set and examined together with the Four Factor model. Popular machine learning methods; kNN, Logistic Regression, Multilayer Perceptron, Naive Bayes, j48 and Voting were used and the results were evaluated. As a result, 96.55% predicted success was achieved.

Keywords:

Turkish Basketball League, Four Factors, Machine Learning, Prediction,

PDF

___

Ayyıldız, E., 2018. Amerika Basketbol Ligi (NBA) Maç Sonuçlarının Yapay Sinir Ağları ile Tahmini. Gaziantep Üniversitesi Spor Bilimleri Dergisi, 3(1), 40-53.
Ballı, S., Karasoy, O., 2019. Development of content-based SMS classification application by using Word2Vec-based feature extraction. IET Software, 13(4), 295-304.
Caliwag, J.A., Aragon, M.C.R., Castillo, R.E., Colantes, E.M.S., 2018. Prediction Basketball Results Using Cascading Algorithm. In Proceedings of the 2018 International Conference on Information Science and System, 64-68.
Cao, C., 2012. Sports data mining technology used in basketball outcome prediction. M.Sc. Thesis, Dublin Institute of Technology, Dublin.
Celik, O., Osmanoglu, U. O., Canakci, B., 2020. Sentiment Analysis From Social Media Comments. Journal of Engineering Sciences and Design, 8(2), 366-374.
Çiçekli, U.G., Kocamaz, M., Soyuer, H., 2012. Basketbolda Top Hakimiyetinin Analizi ve Takım Performansı Üzerine Etkisi. Pamukkale Journal of Sport Sciences, 3(2), 38-58.
Erilli, N.A., Ermis, E., Tasmektepligil, M.Y., 2013. Basketball “Turkish Airlines Euro League” 2011-12 season poisson regression simulation modeling. International Journal of Academic Research Part B, 5(5), 151-158.
Harmandeep, K., Sushma, J., 2017. Machine Learning Approaches to Predict Basketball Game Outcome. 3rd International Conference on Advances in Computing, 1-7.
Horvat, T., Job, J., Medved, V., 2018. Prediction of Euroleague Games based on Supervised Classification Algorithm k-Nearest Neighbours. 6th International Congress on Support Sciences Research and Technology Support, 20-21.
Işık, N., Işık, A. H., 2020. Yapay Sinir Ağları İle Elektrostatik Lens Sistem Tasarımı, Mühendislik Bilimleri ve Tasarım Dergisi, 8(2), 388-396.
Karaoğlu, B., 2015. Makine Öğrenmesi ile Spor Karşılaşmalarının Modellenmesi. Emo Bilimsel Dergi, 5(9), 1-6.
Miljković, D., Gajić, L., Kovačević, A., Konjović, Z., 2010. The Use of Data Mining for Basketball Matches Outcomes Prediction. IEEE 8th International Symposium on Intelligent Systems and Informatics, 309-312.
Nanğır, M., 2013. Türk Dili İçin Çoklu Sınıflandırıcı Yöntemler ile Duygu Sınıflandırma. Yüksek Lisans Tezi, İstanbul Kültür Üniversitesi, İstanbul.
Oliver, D., 2004. Basketball on Paper: Rules and Tools for Performance Analysis. Potomac Books, Washington.
Özkan, Y., Erol, Ç.S., 2015. Biyoenformatik DNA Mikrodizi: Veri Madenciliği. Papatya Yayıncılık Eğitim, İstanbul.
Özmen, M.U., 2016. Marginal contribution of game statistics to probability of winning at different levels of competition in basketball: Evidence from the Euroleague. International Journal of Sports Science & Coaching, 11(1), 98–107.
Sağbaş, E.A., Ballı, S., 2016. Akıllı telefon algılayıcıları ve makine öğrenmesi kullanılarak ulaşım türü tespiti. Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi, 22(5), 376-383.
Sağbaş, E.A., Ballı, S., 2017. Akıllı saat algılayıcıları ile insan hareketlerinin sınıflandırılması. Süleyman Demirel Üniversitesi Fen Bilimleri Enstitüsü Dergisi, 21(3), 980-990.
Sağbaş, E.A., Korukoglu, S., Balli, S. 2020. Stress detection via keyboard typing behaviors by using smartphone sensors and machine learning techniques. Journal of Medical Systems, 44(4), 1-12.
Thabtah, F., Zhang, L., Abdelhamid, N., 2019. NBA Game Result Prediction Using Feature Analysis and Machine Learning. Annals of Data Science, 6(1), 103-116.
Torres, R.A., 2013. Prediction of NBA games based on Machine Learning Methods. University of Wisconsin Madison.
Zimmermann, A., 2016. Basketball predictions in the NCAAB and NBA: Similarities and differences. Statistical Analysis and Data Mining: The ASA Data Science Journal, 9(5), 350-364.
Zimmermann, A., Shi, Z., Moorthy, S., 2013. Predicting NCAAB match outcomes using ML techniques – some results and lessons learned. In ECML/PKDD 2013 Workshop on Machine Learning and Data Mining for Sports Analytics.
Türkiye Basketbol Süper Ligi İstatistikleri http://www.tblstat.net/ (Erişim: 19.03.2020)