Skoči na glavni sadržaj

Izvorni znanstveni članak

Predviđanje natjecateljske uspješnosti tenisača korištenjem metoda strojnog učenja

Andrej Panjan ; Laboratory for Advanced Measurement Technologies, Wise Technologies, Ljubljana, Slovenia
Nejc Šarabon ; Laboratory for Advanced Measurement Technologies, Wise Technologies, Ljubljana, Slovenia
Aleš Filipčič ; Faculty of Sport, University of Ljubljana, Ljubljana, Slovenia


Puni tekst: engleski pdf 410 Kb

str. 98-106

preuzimanja: 352

citiraj


Sažetak

Cilj istraživanja bio je testiranje mogućnosti predikcije natjecateljske uspješnosti slovenskih tenisača temeljem najvažnijih morfoloških mjera i testova motoričkih sposobnosti koji su bili odabrani na osnovu automatskih kompjutorskih metoda i od strane iskusnih teniskih trenera, uz upotrebu metoda strojnog učenja. U analizu je bilo uključeno 1002 muškaraca i žena koji su prošli redovita testiranja slovenskog nacionalnog teniskog saveza te su bili pozicionirani na njihovoj rang listi u sezonama od 1993 do 2008. Odabir najvažnijih varijabli uz pomoć dvije automatske metode dao je slične rezultate, dok su se varijable odabrane od strane trenera bitno razlikovale. Dokazano je kako je uz pomoć klasifikacijskih metoda moguća dobra predikcija natjecateljske uspješnosti u uzrastima ispod 16 godina, dok je kod uzrasta starijih od 16 godina ta predikcija loša. Među regresijskim metodama, za razliku od linearne regresije koja je dala zadovoljavajuće rezultate, regresijsko drvo pokazalo se praktično neupotrebljivim. Automatske metode odabira najvažnijih varijabla morfoloških karakteristika i motoričkih sposobnosti pokazale su se superiornima u odnosu na metode odabira koje koriste teniski treneri. Ta je činjenica bila najviše istaknuta kod ženskih tenisačica i kod upotrebe metode linearne regresije.

Ključne riječi

tenis; identifikacija; selekcija; predviđanje; natjecateljska izvedba; strojno učenje

Hrčak ID:

54247

URI

https://hrcak.srce.hr/54247

Datum izdavanja:

21.6.2010.

Podaci na drugim jezicima: engleski

Posjeta: 4.343 *