레벨: 초보자
Vineela Datla, 코네티컷 대학교 학생
Thore Koch, 학생, 코네티컷 대학교
Johana Rodriguez, 학생, 코네티컷 대학교
Anan Garg, 학생, 코네티컷 대학교
FIFA 클럽이 지출 예산을 짜기 위해 선수들과 계약을 맺을 때 선수의 추정치를 평가하는 것이 도움이 될 수 있습니다. sofifa.com에서 스크래핑한 데이터는 JMP를 사용하여 샘플링, 탐색, 수정, 모델링 및 분석되었습니다. 데이터 세트에는 선수 정보 및 성과 통계로 광범위하게 분류된 88개의 다른 열이 있으며 각 행은 2019년 개별 FIFA 선수에 속합니다. 샘플링 단계에서 데이터는 훈련, 검증 및 테스트를 위해 40-30-30으로 분할됩니다. 수정 단계에서는 주성분 분석을 사용하여 29개의 주요 성과 속성이 6개의 기본 속성에 포함됩니다. 데이터는 JMP 공식과 분포 플롯을 사용하여 기능 엔지니어링 및 분석됩니다. 의사 결정 트리, K-최근접 이웃 및 신경망 모델은 선수의 가치를 예측하는 데 가장 적합한 모델을 식별하기 위해 구축됩니다. 그런 다음 모델 비교 기능을 사용하여 모델을 비교하고 테스트 데이터의 성과를 기반으로 가장 적합한 모델을 식별합니다. 모델은 성과 속성을 고려할 때 저~중간 범위 선수의 가치를 가장 잘 예측할 수 있습니다.
