Dubinska analiza statističkih kategorija praćenja igrača u košarkaškim ekipama

diplomski rad

• Naslov (engleski): Data mining of player tracking statistical categories in basketball teams
• Autor: Igor Stančin
• Mentor: Alan Jović (mentor)
• Član povjerenstva: Alan Jović (predsjednik povjerenstva)
• Član povjerenstva: Marko Čupić (član povjerenstva)
• Član povjerenstva: Vlado Sruk (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2018-07-09, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo

Sažetak

U ovom radu proučavana je značajnost statističkih kategorija unutar grupe praćenja igrača, ali na razini ekipa. Provedena je statistička analiza, dubinska analiza algoritmima za generiranje pravila, analiza klasifikacijom te su napravljene predikcije na temelju prosjeka. Najznačajnije utvrđene značajnosti su: 1) nebranjeni postotka šuta; 2) broja postignutih nebranjenih koševa; 3) postotak branjenog šuta; 4) asistencije i sekundarne asistencije; i 5) prilika za obrambeni skok. U radu predlažemo dvije nove statističke kategorije: postotak efektivnih dodavanja i prilagođeni postotak šuta. Predložene kategorije su također pokazale visok stupanj značajnosti u analizama. Prilikom predikcija na temelju prosjeka zadnjih n utakmica, utvrdili smo kako što je n veći, to su i točnosti veće. Dobivene točnosti predikcija samo na skupu podataka praćenja igrača kreću se oko 65%.

Sažetak (engleski)

Main goal of this thesis was to identify the most significant statistical categories in group of player tracking statistics, but on a team level. We have done statistical analysis on data, analysis with data mining algorithms for rule inducting, analysis with classification, and predictions based on Prosjek values of categories. Results show that most significant categories are: 1) uncontested field goal percentage; 2) uncontested field goals made; 3) contested field goal percentage; 4) assists and secondary assists; and 5) defensive rebound chances. In the thesis, we suggest two novel statistical categories: effective passing ratio and adjusted field goal percentage. With our model for predictions, we obtain Prosjek Točnost around 65% based only on player tracking data. Also, we concluded that if we take more games in calculating the Prosjek, we get higher Točnost of predictions.

• Ključne riječi: košarka; statistika; praćenje igrača; klasifikacija; predikcija; dubinska analiza
• Ključne riječi (engleski): basketball; statistics; player tracking; classification; prediction; data mining
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:004129
• Studijski program: Naziv: Računarstvo; Vrsta studija: sveučilišni; Stupanj studija: diplomski; Akademski / stručni naziv: magistar/magistra inženjer/inženjerka računarstva (mag.ing.comp.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Zatvoreni pristup
• Datum i vrijeme pohrane: 2019-03-14 00:55:03