Exploring the Win–Loss Determinants Structure in Men’s Water Polo World Championships Using Machine Learning

이 연구는 2022년부터 2025년까지 개최된 남자 수구 세계선수권대회의 공식 경기 기록 데이터를 활용하여, 머신러닝과 SHAP 분석을 통해 경기 수행 지표가 승패 예측에 기여하는 구조적 특성을 규명하는 데 목적이 있다. 분석에는 World Aquatics의 OMEGA 통계를 기반으로, 유럽 국가와 비유럽 국가를 구분하여 Decision Tree, Random Forest, XGBoost, HGBT의 네 가지 트리 기반 분류 모델이 적용되었으며, RandomizedSearchCV를 활용해 각 모델의 최적화가 수행되었다. 분류 성능 평가 결과, 유럽 국가 모델은 HGBT, 비유럽 국가 모델은 XGBoost가 가장 높은 예측 정확도를 보였다. SHAP 분석 결과, 수적 우위 상황에서의 슛 성공률(X)과 동등 인원 상황에서의 슛 성공률(A)은 유럽과 비유럽 국가에서 공통적으로 가장 높은 중요도를 보여, 해당 공격 국면의 효율성이 지역을 초월한 핵심 승패 결정 요인으로 확인되었다. 반면, 유럽 국가 모델에서는 스틸 성공 수, 퇴장 상황 방어율, 블록 슛 등 수비 중심 지표들이 주요 변수로 나타난 반면, 비유럽 국가 모델에서는 액션 슛 방어율과 스프린트 성공률이 상대적으로 높은 중요도를 보였다. 이러한 결과는 동일한 경기 기록 통계라도 경기 수행 구조와 경기 운영 방식에 따라 승패 예측에 기여하는 변수의 작동 양상이 달라질 수 있음을 보여준다. 이 연구는 머신러닝과 SHAP 기반의 해석 가능한 분석을 통해 수구 경기 승패의 구조적 결정 요인을 실증적으로 제시하였으며, 향후 경기력 향상을 위한 전력 구조 이해와 훈련 방향 설정을 위한 기초 자료로 활용될 수 있을 것이다.