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.