Comparison of Machine Learning Models through Hyperparameter Optimization and Prediction of KBL Games Using SHAP Analysis

본 연구는 2021-2024 시즌 동안의 한국 프로농구 리그(KBL) 경기 데이터를 분석하여 다양한 머신러닝 알고리즘을 활용해 경기 결과를 예측하고 평가하였다. 하이퍼파라미터 최적화와 10겹 교차 검증을 통해 XGBoost 모델이 경기 예측에서 다른 알고리즘보다 우수한 성능을 보여 높은 정확성과 일반화 능력을 입증하였다. 경기 예측에서 XGBoost 모델은 정확도 86.1%, 정밀도 0.840, 재현율 0.896, F1 점수 0.867의 성능을 달성하였다. SHAP 분석 결과, 수비 리바운드(DREB)와 필드골 성공률(FG%)이 가장 중요한 특성으로 나타났다. 턴오버(TO)는 경기 결과에 부정적인 영향을 미쳤으며, 스틸(STL)과 공격 리바운드(OREB)는 긍정적인 요인으로 작용했으나 경기 후반에는 그 영향이 감소하는 경향을 보였다. 이러한 연구 결과는 턴오버 관리를 효과적으로 수행하는 것이 경기 후반의 부정적인 영향을 최소화하는 데 필수적임을 시사한다. 또한, 3점슛 성공률(3P%)과 자유투 성공률(FT%)을 장기적으로 개선하면 팀 성과를 더욱 향상시킬 수 있음을 보여준다.