prikaz prve stranice dokumenta Metode strojnog učenja u određivanju tržišne vrijednosti igrača u nogometu
Embargo period 2025-03-13
master's thesis
Metode strojnog učenja u određivanju tržišne vrijednosti igrača u nogometu
Zagreb: University of Zagreb, Faculty of Science, 2024. urn:nbn:hr:217:972343
Čulin, Ivan
University of Zagreb
Faculty of Science
Department of Mathematics

Institutional repository: Repository of the Faculty of Science

Cite this document

Čulin, I. (2024). Metode strojnog učenja u određivanju tržišne vrijednosti igrača u nogometu (Master's thesis). Zagreb: University of Zagreb, Faculty of Science. Retrieved from https://urn.nsk.hr/urn:nbn:hr:217:972343

Čulin, Ivan. "Metode strojnog učenja u određivanju tržišne vrijednosti igrača u nogometu." Master's thesis, University of Zagreb, Faculty of Science, 2024. https://urn.nsk.hr/urn:nbn:hr:217:972343

Čulin, Ivan. "Metode strojnog učenja u određivanju tržišne vrijednosti igrača u nogometu." Master's thesis, University of Zagreb, Faculty of Science, 2024. https://urn.nsk.hr/urn:nbn:hr:217:972343

Čulin, I. (2024). 'Metode strojnog učenja u određivanju tržišne vrijednosti igrača u nogometu', Master's thesis, University of Zagreb, Faculty of Science, accessed 22 November 2024, https://urn.nsk.hr/urn:nbn:hr:217:972343

Čulin I. Metode strojnog učenja u određivanju tržišne vrijednosti igrača u nogometu [Master's thesis]. Zagreb: University of Zagreb, Faculty of Science; 2024 [cited 2024 November 22] Available at: https://urn.nsk.hr/urn:nbn:hr:217:972343

I. Čulin, "Metode strojnog učenja u određivanju tržišne vrijednosti igrača u nogometu", Master's thesis, University of Zagreb, Faculty of Science, Zagreb, 2024. Available at: https://urn.nsk.hr/urn:nbn:hr:217:972343

Metadata
TitleMetode strojnog učenja u određivanju tržišne vrijednosti igrača u nogometu
Title (english)Machine learning methods in determining the market value of football players
AuthorIvan Čulin
MentorNikola Sandrić (mentor)
Committee memberNikola Sandrić (predsjednik povjerenstva)
Committee memberIgor Pažanin (član povjerenstva)
Committee memberSonja Štimac (član povjerenstva)
Committee memberMiljenko Huzak (član povjerenstva)
GranterUniversity of Zagreb
Faculty of Science
(Department of Mathematics)
Zagreb
Defense date and country2024-03-01, Croatia
Scientific / art field,
discipline and subdiscipline		NATURAL SCIENCES
Mathematics
Abstract
Ovaj diplomski rad bavi se predviđanjem tržišne vrijednosti nogometaša koristeći metode statističkog učenja. Na početku rada podsjetili smo se linearnog regresijskog modela i najpoznatije metode njegove prilagodbe - metode najmanjih kvadrata. U nastavku definiramo osnovne pojmove statističkog učenja, te uvodimo metode odabira prediktora u linearnim modelima i metode regularizacije (ridge i lasso regresija). Svaku od metoda smo primijenili na podatke o nogometašima. Rezultati ukazuju na postojanje određene linearne veze između prediktora i varijable odziva uz očite znakove potrebe za povećanjem kompleksnosti modela. Iako sve metode dovode do približno sličnih rezultata, kao najpouzdanija metoda pokazala se ridge regresija s obzirom da je njena pripadna testna greška najmanja.
Abstract (english)
The main goal of this thesis is to predict the market value of football players using methods of statistical learning. At the beginning of the paper, we introduce the linear regression model and the least squares method. Furthermore, we defined the basic concepts of statistical learning and introduced methods for predictor selection in linear models and regularization methods (ridge and lasso regression). Each of these methods was applied to football player data. The results indicate the existence of a certain linear relationship between predictors and the response variable with obvious signs of the need to increase the model's complexity. Although all methods lead to approximately similar results, ridge regression proved to be the most reliable method since its corresponding test error is the lowest.
Keywords
Languagecroatian
URN:NBNurn:nbn:hr:217:972343
Study programmeTitle: Mathematical Statistics
Study programme type: university
Study level: graduate
Academic / professional title: sveučilišni magistar matematike (sveučilišni magistar matematike)
Type of resourceText
File originBorn digital
Access conditionsEmbargoed access
Embargo expiration date: 2025-03-13
Terms of useLicence In copyright icon
Created on2024-03-13 08:11:07