Research on Predictive Modelling of Volleyball Game Outcomes Using Machine Learning Techniques and Data Analytics

기술 요약: 머신러닝 기법과 데이터 분석을 이용한 배구 경기 결과 예측 모델링

문제 정의
배구는 6명의 로테이션 포지션, 상대 팀별 전술, 그리고 경기 중 모멘텀이 포함된 복잡하고 비선형적인 상호작용에 의해 결과가 결정되는 고도의 전술적 팀 스포츠이다. 스포츠 분석이 농구나 축구와 같은 종목에서 기술 통계(descriptive statistics)를 넘어 예측 모델링으로 이동해 왔음에도 불구하고, 배구는 관련 문헌에서 여전히 과소 대표되어 있다. 기존의 배구 예측 모델들은 흔히 원시 기술 통계(세트당 절대 수치)에 의존하는데, 이는 상대 팀의 상대적 수준을 고려하지 못한다는 한계가 있다. 또한, 합성 배구 데이터를 생성하기 위한 표준화되고 재현 가능한 프로토콜이 부족하며, 동일한 실험 조건 하에서 여러 머신러닝 알고리즘을 비교 평가할 필요성이 존재한다. 본 연구는 합성 생성 데이터와 실제 프로 경기 데이터를 모두 활용하여 높은 정확도로 경기 결과를 예측하는 머신러닝 파이프라인을 개발함으로써 이러한 공백을 메우고자 한다.

방법론
본 연구는 두 갈래의 데이터 전략을 채택하였다:

1. 합성 데이터 생성: 출판된 배구 문헌(예: Drikos et al., Palao and Ahrabi-Fard, Costa et al.)의 경험적 분포에 기반한 다단계 시뮬레이션 프레임워크를 사용하여 800회의 가상 프로 경기를 생성하였다. 각 경기는 잠재적인 팀 품질 요인과 가중치가 부여된 성능 차이를 바탕으로 확률적으로 생성되었다.
2. 실제 데이터 검증: 모델은 Kaggle 공개 저장소에서 가져온 폴란드 플러스리가(PlusLiga, 2010–2022)의 실제 경기 626개를 대상으로 테스트되었다.

특성 공학 (Feature Engineering)
방법론의 핵심 요소는 원시 통계를 14개의 공학적 특성(engineered features)으로 변환하는 것이었다. 저자들은 절대적 지표를 넘어 상대방 대비 성능을 정규화하기 위해 **차이 및 복합 특성(differential and composite features)**에 집중하였다:

• 차이 지표 (Differential Metrics): 홈 팀과 원정 팀의 성능 차이로 계산됨 (예: 공격 효율 차이, 서브 정확도 차이, OPI 차이, 브레이크 포인트 차이).
• 복합 지수 (Composite Indices): 상관관계가 있는 하위 차원들을 통합하기 위해 공격 성능 지수(OPI)와 수비 성능 지수(DPI)를 구축하였다 (예: OPI는 공격 효율, 서브 정확도, 모멘텀을 결합함).
• 기타 특성: 세터 배분 엔트로피(setter distribution entropy), 로테이션 효율성, 랠리 길 등이 포함되었다.

머신러닝 파이프라인
네 가지 분류 알고리즘이 Python(scikit-learn, pandas, NumPy)을 사용하여 학습 및 평가되었다:

1. 로지스틱 회귀 (L2 규제 적용)
2. 랜덤 포레스트 (200개 트리)
3. 그래디언트 부스팅 (200개 추정기)
4. 다층 퍼셉트론 (MLP) 신경망

파이프라인에는 Z-점수 정규화, 층화 80/20 훈련-테스트 분할, 그리고 5-겹 교차 검증이 포함되었다. 특성 중요도는 Gini 불순도(Gini impurity)와 순열 중요도(permutation importance)를 모두 사용하여 평가되었다.

주요 결과

• 모델 성능: 실제 플러스리가 테스트 세트(126경기)에서 그래디언트 부스팅과 랜덤 포레스트가 0.9365의 가장 높은 정확도를 달성하였다. 이들의 F1-점수는 각각 0.9333과 0.9322였다. 네 가지 모델 모두 0.985를 초과하는 AUC-ROC 점수를 기록하여 우수한 판별 타당성을 입증하였다.
• 합성 데이터 vs 실제 데이터: 모델은 합성 데이터와 실제 데이터 모두에서 일관된 성능을 보였으며, 이는 특성 공학 접근 방식의 일반화 가능성을 입증한다. 합성 데이터 생성은 경쟁적인 현실을 성공적으로 반영하였으며, 홈 승률은 약 0.51에서 안정화되었다.
• 특성 중요도:
  • 합성 데이터셋에서는 공격 효율 차이가 가장 중요한 특성(Gini 중요도: 0.2483)이었으며, 서브 정확도 차이와 모멘텀 차이가 그 뒤를 이었다.
  • 실제 플러스리가 데이터셋에서는 OPI 차이(0.2685)와 브레이크 포인트 차이(0.2264)가 최상위 예측 변수로 나타났으며, 공격 효율 차이가 그 뒤를 이었다.
  • 주목할 점은, 세터 배분 엔트로피가 상위 10개 특성에 들지 못했다는 것인데, 이는 직접적인 효율성 차이가 이 맥락에서 엔트로피의 예측 가치를 매개함을 시사한다.

의의 및 주장
본 논문은 세 가지 주요 기여를 주장한다:

1. 합성 데이터 프로토콜: 전문 배구 결과를 나타내는 재현 가능한 합성 데이터셋을 구축하였으며, 이는 향후 알고리즘 테스트를 위한 벤치마크로 활용될 수 있다.
2. 알고리즘 비교 평가: 동일한 조건 하에서 네 가지 서로 다른 ML 알고리즘을 엄격하게 비교하였으며, 앙상블 방법(그래디언트 부스팅, 랜덤 포레스트)뿐만 아니라 선형 모델(로지스틱 회귀)조차도 이전의 배구 연구들(71%~83% 범위)보다 우수한 정확도(약 93.6%)를 달성할 수 있음을 입증하였다.
3. 실질적 적용: 코칭 전략에 정보를 제공할 수 있는 특정 특성 세트(OPI 차이, 브레이크 포인트 차이)를 식별하였다. 저자들은 로지스틱 회귀가 앙상블 모델과 대등한 정확도 및 해석 가능성을 갖추고 있어 실시간 배포를 위한 계산 효율적인 대안이 될 수 있다고 제안한다.

본 연구는 달성된 높은 정확도가 "생성 통계 샌드박스(Generative Statistical Sandbox)" 접근 방식을 검증한다고 상정하며, 이는 전문 배구의 근저 메커니즘이 차이 기반 특성 공학을 통해 효과적으로 포착될 수 있음을 시사한다. 그러나 저자들은 이진 예측(승/패 vs 점수 차이)의 특성, 피로도나 심판 판정과 같은 비정상성 요인의 제외, 그리고 작은 표 형식 데이터셋에서의 신경망 과적합 가능성 등의 한계를 인정하였다. 향-후 연구로는 다른 리그에 대한 일반화 테스트와 실시간 텔레메트리 데이터의 통합이 제안되었다.