Vorhersage des in-game Status im Fußball mit Maschinellem Lernen basierend auf zeitkontinuierlichen Spielerpositionsdaten
| Autor: | Lang, Steffen, Wild, Raphael, Isenko, Alexander, Link, Daniel |
|---|---|
| Jazyk: | němčina |
| Rok vydání: | 2022 |
| Předmět: |
Fußball
Maschinelles Lernen Spielerpositionsdaten in-game Status soccer machine learning player position data in-game status info:eu-repo/classification/ddc/700 Künste & Freizeit und Erholung ddc:700 Künste & Freizeit und Erholung info:eu-repo/classification/ddc/790 Sport ddc:790 Sport info:eu-repo/classification/ddc/Spiele ddc:Spiele info:eu-repo/classification/ddc/Unterhaltung ddc:Unterhaltung Fußball Maschinelles Lernen Position |
| Druh dokumentu: | Text<br />Conference Material |
| Popis: | Diese Studie beschäftigt sich mit der Vorhersage, ausschließlich auf Basis von Spielerpositionsdaten, ob ein Fußballspiel in einem Moment unterbrochen ist oder nicht. Hierfür wurden vier machine-learning Modelle mit Daten von 102 Spielen der Fußball Bundesliga trainiert und ihre Genauigkeit evaluiert. Dabei zeigte sich eine Genauigkeit von bis zu 92% für einen einzelnen Moment und eine Präzision von 81% für ganze Unterbrechungen. This study deals with the prediction, based solely on player position data, whether a soccer match is interrupted at a moment or not. For this purpose, four machine-learning models were trained with data from 102 matches of the German Bundesliga and their accuracy was evaluated. The results showed an accuracy of up to 92% for a single moment and a precision of 81% for whole interruptions. |
| Databáze: | Networked Digital Library of Theses & Dissertations |
| Externí odkaz: |
|