[논문 리뷰] Archetypal Athletes

Manuel J. A. Eugster|arXiv (Cornell University)|2011. 01. 01.

Sports Analytics and Performance참고 문헌 7인용 수 4

한 줄 요약

이 논문은 농구와 축구의 스탯 데이터 경계에 위치한 데이터 기반 아키타입을 이용해 볼록 조합으로 모델링함으로써, 긍정적이고 부정적인 극단적인 선수를 식별하기 위해 아키타입 분석을 제안한다. NBA와 축구 기술 평가에 적용된 방법은 공격형, 수비형, 종합형 등 명확한 아키타입 유형을 드러내며, 공격적 우수성의 복합 아키타입을 기준으로 웨인 루니와 리오나르도 메시를 최고의 선수로 규명한다.

ABSTRACT

Discussions on outstanding---positively and/ornegatively---athletes are common practice. The rapidly grown amount ofcollected sports data now allow to support such discussions withstate of the art statistical methodology. Given a (multivariate) dataset with collected data of athletes within a specific sport,outstanding athletes are values on the data set boundary. In thepresent paper we propose archetypal analysis to compute these extremevalues. The so-called archetypes, i.e., archetypal athletes,approximate the observations as convex combinations. We interpret thearchetypal athletes and their characteristics, and, furthermore, thecomposition of all athletes based on the archetypal athletes. Theapplication of archetypal analysis is demonstrated on basketballstatistics and soccer skill ratings.

연구 동기 및 목표

• 다변량 스포츠 통계 기반으로 객관적이고 재현 가능한 방법을 통해 뛰어난 선수를 식별하는 데 목적이 있다.
• 다차원 스포츠 데이터에서 단일 차원 랭킹의 한계를 해결하기 위해 볼록 조합을 통해 정보를 유지한다.
• 순위 기반이 아닌 아키타입 선수 유형(예: 공격형, 수비형, 종합형)에 대한 구성 비율에 따라 선수를 해석하는 데 목적이 있다.
• 실제 NBA와 축구 데이터셋을 활용해 전문가 의견과의 일치성을 입증함으로써 이 방법의 타당성을 입증한다.
• 스포츠의 경영 및 전술적 의사결정 지원을 위한 투명한 프레임워크를 제공하는 데 목적이 있다.

제안 방법

• 관측된 선수들의 볼록 조합으로 k개의 아키타입을 계산하기 위해 아키타입 분석을 사용하며, 원본 데이터와 재구성된 데이터 간 잔차 제곱합(RSS)을 최소화한다.
• 반복적으로 계수 행렬 α(재구성용)와 β(아키타입 형성용)를 갱신함으로써 제약 조건이 있는 최소 제곱법을 이용해 최적화 문제를 해결한다.
• 아키타입은 데이터의 볼록 껍질 상에 위치하도록 제약을 두어, 다변량 공간에서 극단적이고 경계에 위치한 사례를 대표하도록 한다.
• 모델 적합도와 해석 가능성의 균형을 고려해 최적의 아키타입 수 k를 선정하기 위해 팔꿈치 기준을 활용한다.
• 각 선수를 아키타입의 볼록 조합으로 표현하기 위해 α 계수를 사용함으로써, 그들의 '유형'과 상대적 위치를 해석할 수 있다.
• 이 방법은 2009/2010 NBA 선수 통계와 유럽 주요 리그의 2011년 축구 기술 평가 데이터셋 두 개에 적용된다.

실험 결과

연구 질문

• RQ1 단일 차원으로 축소하지 않고, 다변량 스포츠 데이터에서 가장 극단적인 선수를 객관적으로 식별할 수 있는 방법은 무엇인가?
• RQ2 다변량 환경에서 '최고' 또는 '최악'의 선수를 식별할 때 정보와 해석 가능성의 균형을 가장 잘 유지하는 통계적 방법은 무엇인가?
• RQ3 아키타입 분석은 전문가 인식과 일치하는 명확하고 해석 가능한 선수 유형(예: 공격형, 수비형)을 드러낼 수 있는가?
• RQ4 실제 선수들은 아키타입 유형에 대해 어떤 구성 비율을 보이며, 어떤 선수가 이상화된 선수 프로파일에 가장 가까운가?
• RQ5 이 방법은 투명하고 재현 가능한 프레임워크를 제공함으로써 스포츠에서의 의사결정 지원에 기여할 수 있는가?

주요 결과

• 아키타입 분석은 축구에서 네 가지 명확한 선수 아키타입을 성공적으로 식별하였다: 공격형 종합형(아키타입 1), 센터포워드(아키타입 2), 열등한 선수(아키타입 3), 수비수(아키타입 4), 각각 고유한 능력 프로파일을 지닌다.
• α 계수는 수비수가 주로 아키타입 4로 구성되어 있음을 보여주며, 이는 방법의 해석 가능성과 위치 역할과의 일치를 확인한다.
• 공격적 우수성에 가중치를 두는 복합 아키타입 기준으로 웨인 루니(0.82 α₁)가 최고의 선수로 식별되었고, 이어 리오나르도 메시(0.79 α₁), 크리스티아누 로나우두(0.68 α₁) 등이 뒤를 이었다.
• 이 방법의 결과는 일반적인 전문가 의견과 일치하여, 객관적이고 데이터 기반의 선수 평가에 적합함을 입증한다.
• 모델은 적합도와 해석 가능성의 균형을 확보하였으며, 축구 데이터셋에서 팔꿈치 기준에 따라 k=4로 선택되었다.
• 모든 데이터와 R 코드는 R의 SportsAnalytics 패키지를 통해 공개되어 있어 재현성과 투명성을 보장한다.