Prediction of OPS(On-base Plus Slugging) in KBO League

한국프로야구에서 장타율과 출루율(OPS) 예측 연구

In sports, the proportion of data analysis in team management such as team strategy planning and marketing is increasing. In KBO(Korea Baseball Organization) league, in particular, plans such as recruiting players and fostering players are established to devise team strategies for the next year, such as FA and trade, at the end of a season. For these reasons, it is very important to predict players' performance for the next year. In this study, the target was limited to only the batter and tried to find out how to predict whether the performance of the next year will improve. As a standard record for rising and falling, OPS(On-Base Plus Slugging), which is easy to calculate and has a high relationship with team score, was used. In this study, 40 years of regular season data from 1982 to 2021 were used as data, and 11 machine learning classification models were used as experimental methods. Predicting the rise and fall of OPS, RBF SVM, Neural Net, Gaussian Process, and AdaBoost were more accurate than other classification models, and age did not significantly affect accuracy.

스포츠 분야에서는 팀 전략 구상과 마케팅 등 팀 운영에 있어서, 데이터 분석의 비중이 점점 더 커지고 있다. 특히, 한국프로야구에서는 한 시즌이 끝나면 FA, 트레이드 등 다음 해 팀 전략을 구상하기 위해서 선수 영입과 선수 육성 등의 계획을 수립하는데, 이 때 선수들의 다음 해 성적을 예측하는 것이 매우 중요하다. 본 연구에서는 타자만으로 대상을 한정지어 다음 해의 성적이 상승할지를 예측해보고자 하였다. 상승 및 하락의 기준이 되는 기록으로는, 계산하기 쉽고 팀 득점과의 관계가 높은 OPS로 하였다. 본 연구에서 데이터는 한국프로야구 1982년부터 2021년까지 40년간의 정규시즌 데이터를 사용하였고, 실험 방법으로는 11개의 머신러닝 분류 모델을 사용하였다. OPS의 상승 및 하락 여부를 예측해본 결과, RBF SVM, Neural Net, Gaussian Process, AdaBoost가 다른 분류 모델에 비해 정확도가 높게 나왔고 나이는 정확도에 큰 영향을 주지 못했다.