50 BISp Jahrbuch Forschungsförderung 2020 21 Einsatz von Data Mining Verfahren in der Spielanalyse Es wurden verschiedene Kombinationen von Sequential Rule Mining SRM durchgeführt um Regeln aus mehr als 400 FIVB Spielen in der Zeit von 2013 bis 2016 auf internationalen Niveau bei den Herren und Damen herauszufinden SRM wird angewendet um Regeln aus Daten die in Sequenzform vorliegen zu extrahieren SRM hat viele Anwendungen zum Beispiel zur Analyse des Verhaltens von Kunden in Supermärkten oder Benutzern auf einer Website Warenkorb analysen Wichtige Variablen sind der Support Konfidenz und Lift welche im Folgenden näher erläutert werden Support ist die relative Häufigkeit dass eine Regel auftaucht oder Support sup X Y einer Regel X Y ist die Anzahl der Sequenzen in einem Dataset S die alle Items X vor allen Items von Y X Y beinhalten geteilt durch die Anzahl aller Sequenzen im Dataset 3 Ergebnisse Die verwendeten Algorithmen erzeugten 629 H Herren und 641 D Damen Sequenz Regeln die wiederum zu 13 H und 9 D Cluster zusam mengefasst werden konnten Die Cluster fas sen in den meisten Fällen Spielsituationen mit gleichen Ausgang zusammen Außerdem reprä sentieren sie sehr gut die ganze Bandbreite der verschiedenen Situationen in Beach Volley ball Ballwechseln Service Annahme Angriff Abwehr und Ergebnis des Ballwechsels Die meisten Cluster finden sich sowohl bei den Her ren als auch bei den Damen wieder was nicht überraschend ist da die generelle Spielstruktur bei Damen und Herren dieselbe ist Für die theoretische Leistungsdiagnostik sind einige Regeln besonders interessant So zeigt sich bei Herren und Damen dass in Situationen mit der Blockposition Line auch der Abwehrspieler die Abwehrposition Line einnimmt Tabelle 1 Zeile 1 Dies ist vermutlich darauf zurückzufüh ren dass das abwehrende Team dem Angreifer möglichst wenig Information über den Abwehr spieler verraten möchte und ihn mit dieser Tak tik im Blockschatten versteckt Des Weiteren ist interessant zu sehen dass die Annahmequali tät den Erfolg eines Sideout beeinflusst So kann nur in weniger als 50 H D der Fälle einer schlechten Annahme ein erfolgreicher Sideout Punkt erzielt werden Tab 1 Z 8 Andererseits kann mit einer guten Annahme in 58 4 H und 56 8 D ein Sideout Punkt erzielt werden Tab 1 Z 9 Im Vergleich der Angriffstechnik Shot und Smash zeigt sich eine höhere Erfolgs quote für Smash mit 59 3 zu 51 5 für Shot bei den Herren D 55 0 zu 52 2 Tab 1 Z 11 13 Weiterhin auffällig ist die Tatsache dass Herren Spieler bei einer guten Annahme sel tener Tab 1 Z 15 zu einem vorderen Zuspiel tendieren als Damen Sobald aber eine schlechte Annahme erfolgt verwenden auch Herren zu 85 das vordere Zuspiel Tab 1 Z 16 1 Der Konfidenzwert ist ein Maß für die Zuver lässigkeit der Regel oder Konfidenz conf X Y einer Regel ist die Anzahl der Sequenzen in denen alle Items von X vor allen Items von Y sind geteilt durch die Anzahl aller Sequenzen in denen X vorkommt 2 Das heißt dass der Konfidenzwert verwendet werden kann als ein Maß zur Vorhersagekraft einer Assoziationsregel Um die Performance der Regeln zu messen wurde die lift Statistik verwendet welche den Konfidenzwert einer Regel X Y zum erwarte ten Wert dieser Regel in einem Dataset in dem X und Y unabhängig sind vergleicht 3 Die gefundenen Regeln ermöglichen für ein zelne Spielende Verhaltensprofile zu erstellen oder generalisierte Aussagen bzgl Verhaltens unterschiede zwischen den Geschlechtern zu treffen

Hinweis: Dies ist eine maschinenlesbare No-Flash Ansicht.
Klicken Sie hier um zur Online-Version zu gelangen.