ラグビーユニオンにおける機械学習:マッチベースワークロードにおけるプロラグビーユニオンプレーヤーの主要なパフォーマンス指標の予測と識別
Xiangyu Ren1,2,3, Simon Boisbluche4, Kilian Philippe5
1Sino-French Joint Research Center of Sport Science, Key Laboratory of Adolescent Health Assessment and Exercise Intervention of Ministry of Education, College of Physical Education and Health, East China Normal University, Shanghai, China.
European journal of sport science
|August 23, 2025
まとめ
機械学習モデル,特にランダムフォレスト回帰は,グローバルポジショニングシステム (GPS) のワークロードデータからラグビー選手のパフォーマンスの指標を効果的に予測します. これらのモデルは複雑な関係を明らかにし,運動パフォーマンスを向上させるための最適化された作業負荷管理に役立ちます.
科学分野:
- スポーツ科学
- バイオメカニクス
- スポーツにおけるデータサイエンス
背景:
- ラグビーユニオンはトレーニングと試合の指標の分析を要求し,パフォーマンス指標に対する仕事の負荷の影響は十分に研究されていません.
- タイムモーションとビデオ分析は洞察力を提供しますが,定量的なワークロード-パフォーマンスリンクはさらなる調査を必要とします.
研究 の 目的:
- ラグビー・ユニオン・マッチにおけるキー・パフォーマンス・インジケーター (KPI) に関する累積的なグローバル・ポジショニング・システム (GPS) ワークロード・データの影響を調査する.
- ワークロードとKPIの関係を理解するための様々な機械学習モデルの予測性能を比較する.
主な方法:
- 7,14,21日の累積ワークロードを計算するためにGPSデータを収集しました.
- 主要コンポーネント分析 (PCA) を使用した縮小次元.
- 線形回帰,サポートベクトル回帰,ランダムフォレスト回帰,およびライトGBMを使用してKPIを予測し,R2,RMSEおよびRを使用してモデルを評価します.
主要な成果:
- 個々のGPS指標は,KPIとの相関が弱かった.
- 機械学習モデル,特にランダムフォレスト回帰は,複雑で非線形なワークロード-KPIの相互作用を捉えました.
- モデルでは有意な予測性能を達成した (R2 0.40 〜 0.72 いくつかのKPI).
- SHAPLEY ADDITIVE EXPLANATIONS (SHAP) は,パフォーマンスの主要なワークロードドライバーを特定することで,モデルの解釈性を向上させました.
結論:
- 機械学習モデルは,単純な相関と比較して,ワークロードデータからラグビーKPIの優れた予測を提供します.
- 効果的なプレーヤー管理には,解釈可能なMLを通じてワークロード・パフォーマンス・ダイナミクスを理解することが不可欠です.
- 研究結果は,ラグビーユニオンでのプレーヤーパフォーマンスを高めるためのトレーニング負荷を最適化するための実用的な洞察を提供します.
関連する概念動画
01:25Multiple Regression
3.2K
Multiple regression assesses a linear relationship between one response or dependent variable and two or more independent variables. It has many practical applications.
Farmers can use multiple regression to determine the crop yield based on more than one factor, such as water availability, fertilizer, soil properties, etc. Here, the crop yield is the response or dependent variable as it depends on the other independent variables. The analysis requires the construction of a scatter plot...
Farmers can use multiple regression to determine the crop yield based on more than one factor, such as water availability, fertilizer, soil properties, etc. Here, the crop yield is the response or dependent variable as it depends on the other independent variables. The analysis requires the construction of a scatter plot...
3.2K
01:18Steps in Outbreak Investigation
199
In the ever-evolving field of public health, statistical analysis serves as a cornerstone for understanding and managing disease outbreaks. By leveraging various statistical tools, health professionals can predict potential outbreaks, analyze ongoing situations, and devise effective responses to mitigate impact. For that to happen, there are a few possible stages of the analysis:
199
01:15Receiver Operating Characteristic Plot
332
A ROC (Receiver Operating Characteristic) plot is a graphical tool used to assess the performance of a binary classification model by illustrating the trade-off between sensitivity (true positive rate) and specificity (false positive rate). By plotting sensitivity against 1 - specificity across various threshold settings, the ROC curve shows how well the model distinguishes between classes, with a curve closer to the top-left corner indicating a more accurate model. The area under the ROC curve...
332
01:03Prediction Intervals
2.3K
The interval estimate of any variable is known as the prediction interval. It helps decide if a point estimate is dependable.
However, the point estimate is most likely not the exact value of the population parameter, but close to it. After calculating point estimates, we construct interval estimates, called confidence intervals or prediction intervals. This prediction interval comprises a range of values unlike the point estimate and is a better predictor of the observed sample value, y.
However, the point estimate is most likely not the exact value of the population parameter, but close to it. After calculating point estimates, we construct interval estimates, called confidence intervals or prediction intervals. This prediction interval comprises a range of values unlike the point estimate and is a better predictor of the observed sample value, y.
2.3K