Basketbol milli takım aday oyuncu havuzunun makine öğrenimi algoritmalarıyla tahmini

Bu çalışma, Türkiye Kadın Basketbol Süper Ligi'nde oynayan oyuncular arasında milli takımda yüksek performans sergileyecek oyuncuların sezon veya maç istatistiksel özniteliklerine göre seçimi problemine çözüm sunmasını amaçlamaktadır. Milli takım aday kadroları belirlenirken bütün oyuncuların istatistiksel özniteliklerine göre değerlendirilebilmesi adına bu çalışma önem arz etmektedir. Basketbol istatistiklerinden oluşan veri setine makine öğrenmesinin sınıflandırma algoritmalarından Naive Bayes, Rastgele Orman, Destek Vektör Makineleri, Ekstrem Gradyan Güçlendirme, Karar Ağaçları sınıflandırma algoritmaları uygulanarak en yüksek doğruluk ve F1 Skora sahip modelin oluşturulması sağlanmıştır. Kadın Basketbol Ligi'nde bulunan Türk kadın basketbolcuların sayısı ve milli takıma aday olan oyuncu sayısı arasında bir dengesizlik mevcuttur çünkü çok fazla oyuncu varken aday havuzu daha dar bir grubu temsil eder. Bu çalışmada uygulanan örnekleme algoritmalarıyla bu dengesizlik ve az veri olması problemine çözüm bulunması hedeflenmiştir. Çalışmada öncelikle istatistiksel verilerden oluşan özniteliklere Birincil Bileşen Analizi yapılmış ve bu analiz 4 farklı varyans değeri ile yapılarak özniteliklerin önemli olanları korunmuştur. Sonrasında sınıflandırma yapılmadan önce az ve dengesiz veri setine sahip olması problemleri Sentetik Azınlık Aşırı Örnekleme, Rastgele Aşırı Örnekleme, Borderline SMOTE, Rastgele Alt Örnekleme ve Rastgele Alt Örnekleme %5 + SMOTE örnekleme yöntemleriyle yeniden değerlendirilmiş ve sınıflandırma algoritmaları uygulanarak modelleme yapılmıştır. Bu modellemeler sonucunda Rastgele Aşırı Örnekleme yöntemi ile XGBoost algoritmasının %86 doğruluk ve F1 Skoru ile çalıştığı sonucu elde edilmiştir. 10 katlı çapraz doğrulama sonucu modellerin kararlığı sağlanmıştır. Bu tez çalışmasının sonuçlarının milli takım aday havuzunun belirlenmesi gibi oyuncu seçimine dayalı çalışmalara katkı sağlayacağı düşünülmektedir. İleride yapılacak olan çalışmalarda bu modeller yazılım olarak geliştirilerek hem milli takım hem de takımların kadrolarını oluştururken oyuncuların performansını değerlendirmesine katkı sağlayacağı düşünülmektedir. Sayısal değerlerle tamamen performans odaklı çalışan modellemeler sayesinde oyuncuların bireysel ve birbirleriyle bağlantılı durumlarının değerlendirilmesinin ülke sporuna da katkı sağlayacağı düşülmektedir.

The present study aims to provide a solution to the problem of selecting players who will exhibit high performance in the national team according to season or match statistical attributes among players in the Turkish Women's Basketball Super League. This study is important to evaluate all players according to their statistical attributes while determining the national team candidate rosters. To this end, a range of classification algorithms – namely Naïve Bayes, Random Forest, Support Vector Machines, Extreme Gradient Boosting and Decision Trees – were applied to a data set comprising basketball statistics. The model with the highest accuracy and F1 Score was then created. The study revealed an imbalance between the number of Turkish women basketball players in the Women's Basketball League and the number of players who are candidates for the national team. While there are many players, the candidate roster represents a narrower group. The sampling algorithms applied in this study are designed to address this imbalance and insufficiency of data. In the study, firstly, a Principal Component Analysis was performed on the attributes consisting of statistical data. This analysis was performed with four different variance values, and the important ones of the attributes were preserved. Subsequently, before proceeding to the classification stage, the challenges posed by the small and imbalanced data set were re-evaluated using a range of oversampling methods, namely Synthetic Minority Oversampling, Random Over Sampling, Borderline SMOTE, Random Under Sampling and Random Under Sampling 5% + SMOTE. The modelling phase was then undertaken by implementing classification algorithms. The modelling process yielded the conclusion that the XGBoost algorithm functions with 86% accuracy and an F1 Score when employing the random oversampling method. The reliability of the models was validated through 10-fold cross-validation. It is hypothesized that the findings of this thesis study will contribute to studies based on player selection, such as determining the national team candidate roster. In future studies, it is anticipated that these models will be developed as software and will contribute to the evaluation of the performance of players while forming the rosters of both national teams and teams. The evaluation of the individual and interconnected situations of the players is also expected to contribute to the country's sporting success, facilitated by a performance-oriented modelling approach that employs numerical values.