A data driven performance evaluation framework for sports analytics

Performans değerlendirmesi çok boyutlu ve çok kriterli olmasının yanı sıra zorlu bir değerlendirme problemdir. Bu problemin uygulama alanlarından birisi olan futbolda oyuncu performansları oyuncuların sahadaki görevlerini ve istatistiklerini etkileyen diğer faktörleri (oyun süresi, rakibin gücü, müsabakanın stili) göz önüne alarak birçok değişken üzerinden değerlendirilmelidir. Bu alanda, oyuncuların saf istatistikleri oyuncu performansına yönelik bilgi verme konusunda yetersiz kalmaktadır. Bunun sebebi oyuncunun pozisyonunun yansıra, bu istatistikleri etkileyen birçok dış etmen bulunmasıdır. Bu etmenlerden bazıları, oyun suresi, sakatlıklar, müsabaka zorluğu ve karakteristikleri, rakibin gücü, oyundaki aksiyonların önemi, oyuncu pozisyonu vs. gibi faktörlerdir. Buna ek olarak futbolda oyuncu transferleri transfer ücretleri ve oyuncu değerlemesi bakımından genelden farklı finansal dinamiklere sahiptir. Oyuncuların transfer ücretleri oyuncu performansına ek olarak takım ve müsabaka özellikleri ile oyuncunun popülaritesi gibi faktörler bu dinamikleri etkileyen etkenlerden bazılarıdır. Bu çoklu etken seti, transfer ücretlerinin tespitini zorlayıcı bir makine öğrenmesi problemine dönüştürmektedir. Bu tez dinamik, olasılıksal, bağlama bağlı, hiyerarşik ve tabandan-tepeye bir yaklaşımla bilinmezlik altında performans analizini veri-tabanlı, gereksinim değişimlerine uyum sağlayan uyarlanır bir çerçeveye oturtmaktadır. Buna ek olarak, sunulan çerçeve performans değerlendirmeleri ve farklı veri kaynaklarını birleştirerek transfer ücretlerini makine öğrenmesi topluluk yöntemleriyle modellemektedir. Önerilen çerçeve genellenebilir olup diğer takım sporlarına da uyarlanabilir niteliktedir.