身体健康和运动能力参数作为滑板表现的预测指标:一个逻辑回归建模分析
Aina Munirah Ab Rasid1, Rabiu Muazu Musa1, Anwar P P Abdul Majeed2
1Centre for Fundamental and Continuing Education, Department of Credited Co-Curriculum, Universiti Malaysia Terengganu, Kuala Nerus, Malaysia.
PloS one
|February 8, 2024
概括
机器学习准确地预测滑板人才使用健身和运动技能. 后勤回归识别了基于平衡,力量和耐力的高潜力运动员,达到90%的准确性.
科学领域:
- 运动科学 运动科学 运动科学
- 在田径运动中的机器学习
- 人才识别 人才识别
背景情况:
- 传统的体育人才评估是主观的,不可靠的.
- 数据驱动的方法可以客观地评估运动员的潜力.
- 机器学习提高了精英运动员的识别能力.
研究的目的:
- 应用机器学习管道来预测滑板人才.
- 为了确定滑板成功的关键健身和运动技能变量.
- 开发一个客观的模型来分类滑板运动员的潜力.
主要方法:
- 使用后勤回归 (LR) 机器学习管道.
- 45名滑板运动员进行了健身和运动技能 (平衡,力量,耐力) 的评估.
- 集群分析将滑板运动员分为高潜力和低潜力类别.
主要成果:
- 该LR模型在分类滑板运动员的潜力方面实现了90%的平均准确性.
- 集群分析确定了不同的高潜力和低潜力群体.
- 静态/动态平衡,下肢力量和耐力是关键的预测因素.
结论:
- 机器学习提供了准确的运动天赋预测.
- 平衡,力量和耐力对于滑板表现至关重要.
- 该模型有助于教练做出明智的运动员发展决策.
