HOME > Detail View

Detail View

메이저리그 야구 통계학 : 빅데이터 분석의 시작 R

메이저리그 야구 통계학 : 빅데이터 분석의 시작 R (Loan 39 times)

Material type
단행본
Personal Author
김재민
Title Statement
메이저리그 야구 통계학 : 빅데이터 분석의 시작 R / 김재민 지음
Publication, Distribution, etc
서울 :   에이콘,   2018  
Physical Medium
362 p. : 삽화, 도표 ; 24 cm
Series Statement
에이콘 데이터 과학 시리즈
ISBN
9791161751641 9788960774469 (Set)
General Note
색인수록  
000 00000cam c2200205 c 4500
001 000045945184
005 20180625140041
007 ta
008 180621s2018 ulkad 001c kor
020 ▼a 9791161751641 ▼g 94000
020 1 ▼a 9788960774469 (Set)
035 ▼a (KERIS)BIB000014844546
040 ▼a 211046 ▼c 211046 ▼d 211009
082 0 4 ▼a 519.50285 ▼a 796.357021 ▼2 23
085 ▼a 519.50285 ▼2 DDCK
090 ▼a 519.50285 ▼b 2018z4
100 1 ▼a 김재민
245 1 0 ▼a 메이저리그 야구 통계학 : ▼b 빅데이터 분석의 시작 R / ▼d 김재민 지음
260 ▼a 서울 : ▼b 에이콘, ▼c 2018
300 ▼a 362 p. : ▼b 삽화, 도표 ; ▼c 24 cm
440 0 0 ▼a 에이콘 데이터 과학 시리즈
500 ▼a 색인수록
945 ▼a KLPA

No. Location Call Number Accession No. Availability Due Date Make a Reservation Service
No. 1 Location Main Library/Monographs(3F)/ Call Number 519.50285 2018z4 Accession No. 111793001 Availability In loan Due Date 2023-12-06 Make a Reservation Available for Reserve R Service M
No. 2 Location Science & Engineering Library/Sci-Info(Stacks1)/ Call Number 519.50285 2018z4 Accession No. 121245207 Availability Available Due Date Make a Reservation Service B M
No. 3 Location Sejong Academic Information Center/Science & Technology/ Call Number 519.50285 2018z4 Accession No. 151342442 Availability Available Due Date Make a Reservation Service B M
No. Location Call Number Accession No. Availability Due Date Make a Reservation Service
No. 1 Location Main Library/Monographs(3F)/ Call Number 519.50285 2018z4 Accession No. 111793001 Availability In loan Due Date 2023-12-06 Make a Reservation Available for Reserve R Service M
No. Location Call Number Accession No. Availability Due Date Make a Reservation Service
No. 1 Location Science & Engineering Library/Sci-Info(Stacks1)/ Call Number 519.50285 2018z4 Accession No. 121245207 Availability Available Due Date Make a Reservation Service B M
No. Location Call Number Accession No. Availability Due Date Make a Reservation Service
No. 1 Location Sejong Academic Information Center/Science & Technology/ Call Number 519.50285 2018z4 Accession No. 151342442 Availability Available Due Date Make a Reservation Service B M

Contents information

Book Introduction

2018년 세종도서 학술부문 선정도서. 수학이라는 진입장벽 때문에 데이터 분석에 접근하지 못하는 어려움을 극복하기 위해 한국에서 가장 인기 있는 프로 스포츠인 야구로 통계분석을 다루어 본다. 메이저리그에서 140년 이상 쌓여온 대형 패널 데이터를 이용해 전통적 분석인 상관관계 분석, 회귀분석, 로지스틱 회귀분석, 분산분석과 최근 인공지능으로 주목받고 있는 판별분석, 클러스터링 분석, 요인분석, 네트워크 분석, 신경망분석 등을 통해 흥미로운 야구 이야기를 모델링하고 데이터로 직접 테스트한다.

4차 산업의 거대한 물결로 빅데이터 같은 대형 데이터의 활용 가치는 더욱 높아지고 있지만, 수학이라는 진입장벽 때문에 데이터 분석에 접근하지 못하는 어려움이 반복되고 있다. 한국에서 가장 인기 있는 프로 스포츠인 야구로 통계분석을 다룬다면, 데이터에 대한 새로운 관점을 가질 수 있다. 메이저리그에서 140년 이상 쌓여온 대형 패널 데이터를 이용해 전통적 분석인 상관관계 분석, 회귀분석, 로지스틱 회귀분석, 분산분석과 최근 인공지능으로 주목받고 있는 판별분석, 클러스터링 분석, 요인분석, 네트워크 분석, 신경망분석 등을 통해 흥미로운 야구 이야기를 모델링하고 데이터로 직접 테스트한다. 모든 작업에는 학계와 산업계의 분석에서 이미 중심이 된 오픈소스 통계 프로그램 R이 있다.

★ 이 책에서 다루는 내용 ★

- 야구 이야기와 통계 프로그램 R 코드가 동시에 진행되는 이해하기 쉬운 설명
- 다양한 목적의 분석 툴을 야구에서 발생하는 특수 상황에 맞게 적용
- 실제 메이저리그 대형 데이터인 라만(Lahman) 데이터베이스 활용
- 대형 데이터를 분석 목적에 맞게 마이닝하는 방법 제시
- 예측모델에서 발생할 수 있는 소음을 제거하는 모델링 방법 소개
- 인공지능으로 주목받고 있는 비지도학습법인 판별분석, 군집분석, 신경망분석 등을 소개

★ 이 책의 대상 독자 ★

- R에 관심은 있지만 특별한 동기가 없어서 본격적으로 시작하지 못했던 R 초보자
- 학위 과정을 준비하고 있거나 학위 과정에서 통계분석을 알고 있어야 하는 독자
- 직장에서 매일 다루는 데이터를 의미 있게 분석하고, 해석하고 싶은 직장인
- 데이터과학을 야구를 통해 배우고 싶은 스포츠 팬

★ 이 책의 구성 ★

이 책은 총 6개 장으로 구성됐다. 데이터와 분석 목적이 일치하는가, 측정하려는 개념을 측정하고 있는가, 과학적 예측은 어떻게 하는가, 다름과 같음을 구분할 수 있는가, 분석결과를 호도할 수 있는 소음은 잡아낼 수 있는가에 대해 R에서 메이저리그 경기 데이터를 사용해 직접 실험한 결과를 바탕으로 설명하고 각 장에서 코드를 제시한다.
1장, '변수를 알면 분석모델을 디자인할 수 있다'에서는 분석 목적에 맞는 맞춤형 데이터를 만들기 위해 반드시 알아야 하는 데이터 구조와 그 중심에 있는 변수를 메이저리그 데이터베이스를 통해 이해한다. 더불어 데이터 생성, 가공, 분석 활동이 동시에 이뤄져야 하는 비즈니스 환경에서 분석 플랫폼 역할을 하는 R과 오픈소스 R 활용이 궁극적으로 도달해야 하는 데이터 가치 사슬(data value chain)에 대해 설명한다.
2장, '메이저리그 데이터 마이닝'에서는 메이저리그 팀과 선수들의 데이터를 활용해 빅데이터로부터 특정 데이터를 추출하거나 데이터의 형태를 변형해 분석 목적에 맞게 준비하는 마이닝 기법을 배운다. 특히 원본 데이터에 어떠한 영향도 주지 않고 코드를 통해 변수를 자유자재로 변형하고 2개 이상의 테이블을 공통 변수로 결합함으로써 제기된 문제에 유연하게 답할 수 있는 방법을 제시한다.
3장, '선수의 능력은 어떻게 측정할 것인가?'에서는 데이터 시각화의 시작이자 추정통계의 기반이 되는 상관관계 분석을 활용해 신뢰성과 타당성을 보유한 야구지표의 조건을 파악한다. 또한 장타력과 득점의 상관성을 보여주는 산포도의 다양한 시각화 방법, 감독과 선수의 상관 정도인 인맥을 보여주는 네트워크 분석, 산포도 개념을 활용한 메이저리그 구장 위치 정보 소개, 그리고 조건에 따라 변하는 다양한 상관 정도를 한 번에 보여주는 패널차트 등 분석을 실행하는 데 필요한 데이터 구조와 코딩방법을 소개한다.
4장, '상관관계는 인과관계가 아니다'에서는 인과관계를 모델링하는 대표적인 분석 방법인 선형회귀 분석을 실행하기 위해 빅데이터에서 필요한 양의 표본을 임의로 추출해 분석결과를 해석하고 예측하는 방법을 팀타율과 팀득점을 이용해 자세히 설명한다. 특히 예측에서 반드시 발생할 수밖에 없는 다양한 오류를 소개하고, 예측 능력이 좋은 모델을 구별하는 기준이 되는 표준오차가 팀득점 예측에 활용되는 과정을 코드를 통해 이해한다.
5장, '비교와 구분'에서는 머신러닝이 주목받으면서 가치가 높아지고 있는 분석을 소개한다. 전통적인 t 검증과 분산분석(ANOVA)뿐만 아니라, 비지도학습법인 판별분석, 요인분석, 군집분석, 신경망분석과 지도학습법인 로지스틱 회귀분석을 메이저리그팀들이 소속된 리그 구분 및 지구(디비전) 우승 여부와 연계해서 학습한다. 이 과정에서 이상치의 확인과 모델에 미치는 영향, 프로 스포츠에서 선수성적 표준편차가 갖는 의미, 그리고 구글 트렌드 데이터를 R에서 활용하는 방법을 소개한다.
6장, '모델링'에서는 개념적 관계를 수학적 모델로 전환하는 과정인 모델링에서 관측치가 충분히 많은 빅데이터로 인과관계를 검증한다고 해도 활용할 수 있는 변수가 충분치 않아 측정되지 않은 제3의 변수 때문에 관계는 항상 의심을 받는다는 사실에 주목한다. 메이저리그 팀들의 공격능력과 팀성적 간의 인과관계를 입증하기 위해 통제 변수를 개발하고 눈에 보이지 않는 교란 변수를 통제하는 패널모델 및 다수준 혼합모델을 적용해 인과관계를 테스트하고 모델 적합성을 평가하는 방법을 코드를 통해 배운다. 어려운 개념인 모델링을 야구와 결합함으로써 일반화된 이론모델, 검증할 수 있는 수학모델, 그리고 현실의 데이터를 R에서 결합하는 방법을 쉽게 이해할 수 있다.


Information Provided By: : Aladin

Author Introduction

김재민(지은이)

미국 미시건주 오클랜드대학교 비즈니스스쿨 경영학과 조교수로 재직 중이다. 학부생과 MBA 학생들을 대상으로 경영전략을 강의하고 있으며 경영전략과 데이터 분석의 교집합을 다루는 마케팅과 비즈니스 전략을 위한 데이터 분석도 강의하고 있다. 경영전략 및 기업의 사회적 책임과 관련된 연구로 「Journal of Business Research」, 「Entrepreneurship Theory & Practice」, 「Journal of Business Ethics」, 「Organization & Environment」 등에 다수의 논문을 실었다. 최근 연구에 자연어 처리를 위한 머신러닝을 분석 방법으로 활용하고 있으며, 10년 이상 개인 블로그(https//blog.naver.com/ibuyworld)에서 연구와 영어 강의에 관한 생각을 공유하고 있다.

Information Provided By: : Aladin

Table of Contents

지은이 소개 
지은이 말 
들어가며 

1장. 변수를 알면 분석모델을 디자인할 수 있다 

__데이터과학에서 왜 야구인가? 
__분석 공부 중도에 포기하지 않는 방법: 나만의 데이터 만들기 
__변수를 알아야 분석이 보인다 
____연속 변수 
____이산 변수 
____명목 변수 
____서열 변수 
__데이터 구조를 파악하다 
__여러분이 가지고 있는 변수의 특징 
____데이터 중심화 경향 
____데이터의 분포범위 
__데이터는 조작되지 않아야 한다 
__데이터 분석의 완성: 데이터 밸류 체인 
__R 스튜디오와 친구들 
____R 스크립트 
____R 노트북 
____R 마크다운 
____샤이니웹앱 
__패키지 없는 R은 앱 없는 스마트폰 
__정리하며 

2장. 메이저리그 데이터 마이닝 

__마이닝의 개념 
__간단한 데이터 내 손으로 직접 만들기 
__데이터를 R로 불러올 때 알아두면 좋은 정보 
__인터넷에서 만난 팬그래프닷컴 데이터를 R로 불러오기 
__빅데이터에서 필요한 데이터 분리하기 
__작업했던 코딩과 데이터 정보 저장하기 
__순서가 같은 테이블 합치기: cbind( ) 그리고 rbind( ) 
__순서가 다른 테이블 합치기: merge( ) 
__양적 변수를 명목 변수로 바꾸기 
__괄호 사용법 
____소괄호 ( ) 
____중괄호 {} 
____대괄호 [ ] 
__결측값 제거하기 
__조건문 사용하기 
__계속 사용할 테이블 고정하기 
__추가로 공유하고 싶은 마이닝 기법들 
__정리하며 

3장. 선수의 능력은 어떻게 측정할 것인가? 

__과학적 측정 
__측정의 신뢰도 
__영화 <머니볼>에서 보는 신뢰도가 높은 지표의 활용 케이스 
__측정의 타당도 
__능력과 운의 결과물: 시즌 성적 
__공격지표들을 이용한 상관관계 
__장타력과 득점의 상관관계 
__지도에 산포도를 그리다: R과 구글의 만남 
__선수와 감독의 인적 상관성: 네트워크 분석 
__기술통계와 추정통계의 매개: 히스토그램은 막대그래프가 아니다 
__히스토그램과 확률밀도함수가 만나다: 패키지 lattice 
__정리하며 

4장. 상관관계는 인과관계가 아니다 

__인과관계의 필수조건 
__확률로 따지면 말이야 
__오류는 모델링의 꽃 
____진실이 존재하는 신의 영역 
____예측모델과 데이터가 있는 현실계 
__확률과 우도 
__타석에서 안타를 1개만 칠 확률이 가장 높은 타율을 찾다: 최대우도추정법 
____[4개의 막대그래프를 한 화면에 제시하는 코드] 
__정규분포: 얼마나 칠 것인가? 
____중심극한정리란? 
____회귀분석에서는 왜 정규분보를 사용하지 않고 스튜던트 t 분포를 사용하는가? 
__좋은 예측모델 구별법: 표준오차 
__팀타율 1푼의 가치는 2천 4백만 달러? 
__팀득점 예측을 위해 만든 추정모델 해석하기 
____조절된 설명력 
__모델 전체의 의미: F 통곗값 
____계수의 p 값: 긍정오류의 가능성 유의확률 
__게임당 팀득점을 신뢰성 있게 예측하기 
____신뢰구간 
____예측구간 
__정리하며 

5장. 비교와 구분 

__다른가? 
__시각적 비교 
__모델에 영향을 주는 이상치를 찾아라 
__메이저리그 140년 역사의 원동력: 표준편차의 힘 
____시즌타율 3할의 효과 40년간의 관찰: 패키지 plyr 
____시즌타율 표준편차가 적을수록 야구장에 관중들이 더 모인다? 
__실험군은 아메리칸리그, 대조군은 내셔널리그 
__그룹 간 비교 시각화 방법: 패널차트 
__구글 트렌드와 분산분석(ANOVA) 연계 
__데이터를 분리해 필요한 부분만 취하다: 스트링 변수 
__비모수 시대의 그룹 간 비교 
__긍정오류와 부정오류 
__긍정오류, 부정오류, 그리고 판별분석 
__내셔널리그, 아메리칸리그, 그리고 판별분석 
__지구에서 우승할 가능성, 우승하지 못할 가능성: 로지스틱 회귀분석 
__지구에서 우승할 팀, 우승하지 못할 팀, 그리고 딥러닝 
__자율학습을 활용한 군집분석 
__정리하며 

6장. 모델링 

__복잡한 현실을 수학으로 모델링하고 통계로 증명하다 
__2차함수 사고하기 
__고차함수 사고하기 
__논리와 데이터를 연결하다: 모델 선택 
____단순선형회귀분석모델(simple linear regression)에 기반한 주장 
____다중선형회귀분석모델(multiple regression)에 기반한 주장 
____고정효과모델(fixed effects model)에 기반한 주장 
____다수준혼합모델(multilevel mixed effects model)에 기반한 주장 
____시차 변수를 보유하는 다수준혼합모델에 기반한 주장 
____시차 변수와 자기상관을 보유하는 다수준혼합모델에 기반한 주장 
__조건이 포함되는 모델링: 조절 변수 
__리그별 홈런의 관중 동원 효과: 리그의 조절효과 
__다수준혼합모델로 메이저리그 팀승수 추정하기 
__실험실 없이 실험환경 통제하기: 통제 변수 
__눈에 보이지 않는 교란요인들 잡아내기 
__단순선형모델, 임의효과모델, 고정효과모델의 비교 
____단순선형모델 
____임의효과모델 
____고정효과모델 
__정리하며 

맺음말 
__데이터과학을 대하는 자세 
__R을 대하면서 확장되는 생각의 범위 
__라만 데이터 적용 부분 

찾아보기

New Arrivals Books in Related Fields

박진호 (2023)
민인식 (2023)
전치혁 (2023)