參賽序號：5-13
海報主題
集成學習模型可解釋性探討-應用於世界頂尖桌球選手之技戰術分析
系級
統計學系
指導老師及參賽學生
指導老師：鄭順林
參賽學生：張凱華
構想說明
本研究旨在探討AI人工智慧方法中集成學習(Ensemble Learning)模型的可解釋性，應用運動科學數據分析於世界頂尖女子桌球選手之技戰術分析中，研究的對象聚焦在現今女子桌球世界排名第一的孫穎莎選手，本研究透過邱宏達-鄭順林開發的桌球技戰術編碼系統，將比賽中的技術、戰術過程進行數據化，模型則選用極限梯度提升樹演算法(XGBoost)與隨機森林(Random Forest)兩種集成學習模型，再透過SHAP方法(SHapley Additive exPlanations)來進行模型可解釋性探討，進一步解析比賽中的關鍵因子，實際之應用價值在於藉由探討集成學習模型的可解釋性提升運動科學數據分析中的精準度，幫助選手、教練擬定與世界頂尖桌球選手比賽之技戰術策略。
-
分享：
114年活動，現正報名中!