prikaz prve stranice dokumenta Metode strojnog učenja u određivanju tržišne vrijednosti igrača u nogometu
Rad dostupan nakon 2025-03-13
diplomski rad
Metode strojnog učenja u određivanju tržišne vrijednosti igrača u nogometu
Zagreb: Sveučilište u Zagrebu, Prirodoslovno-matematički fakultet, 2024. urn:nbn:hr:217:972343
Čulin, Ivan
Sveučilište u Zagrebu
Prirodoslovno-matematički fakultet
Matematički odsjek

Institucijski repozitorij: Repozitorij Prirodoslovno-matematičkog fakulteta

Citirajte ovaj rad

Čulin, I. (2024). Metode strojnog učenja u određivanju tržišne vrijednosti igrača u nogometu (Diplomski rad). Zagreb: Sveučilište u Zagrebu, Prirodoslovno-matematički fakultet. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:217:972343

Čulin, Ivan. "Metode strojnog učenja u određivanju tržišne vrijednosti igrača u nogometu." Diplomski rad, Sveučilište u Zagrebu, Prirodoslovno-matematički fakultet, 2024. https://urn.nsk.hr/urn:nbn:hr:217:972343

Čulin, Ivan. "Metode strojnog učenja u određivanju tržišne vrijednosti igrača u nogometu." Diplomski rad, Sveučilište u Zagrebu, Prirodoslovno-matematički fakultet, 2024. https://urn.nsk.hr/urn:nbn:hr:217:972343

Čulin, I. (2024). 'Metode strojnog učenja u određivanju tržišne vrijednosti igrača u nogometu', Diplomski rad, Sveučilište u Zagrebu, Prirodoslovno-matematički fakultet, citirano: 23.12.2024., https://urn.nsk.hr/urn:nbn:hr:217:972343

Čulin I. Metode strojnog učenja u određivanju tržišne vrijednosti igrača u nogometu [Diplomski rad]. Zagreb: Sveučilište u Zagrebu, Prirodoslovno-matematički fakultet; 2024 [pristupljeno 23.12.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:217:972343

I. Čulin, "Metode strojnog učenja u određivanju tržišne vrijednosti igrača u nogometu", Diplomski rad, Sveučilište u Zagrebu, Prirodoslovno-matematički fakultet, Zagreb, 2024. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:217:972343

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:217:972343
Podaci o radu
NaslovMetode strojnog učenja u određivanju tržišne vrijednosti igrača u nogometu
Naslov (engleski)Machine learning methods in determining the market value of football players
AutorIvan Čulin
MentorNikola Sandrić (mentor)
Član povjerenstvaNikola Sandrić (predsjednik povjerenstva)
Član povjerenstvaIgor Pažanin (član povjerenstva)
Član povjerenstvaSonja Štimac (član povjerenstva)
Član povjerenstvaMiljenko Huzak (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Prirodoslovno-matematički fakultet
(Matematički odsjek)
Zagreb
Datum i država obrane2024-03-01, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		PRIRODNE ZNANOSTI
Matematika
Sažetak
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.
Sažetak (engleski)
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.
Ključne riječi
Jezikhrvatski
URN:NBNurn:nbn:hr:217:972343
Studijski programNaziv: Matematička statistika
Vrsta studija: sveučilišni
Stupanj studija: diplomski
Akademski / stručni naziv: sveučilišni magistar matematike (univ. mag. math.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaRad dostupan nakon
Datum isteka embarga: 2025-03-13
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Datum i vrijeme pohrane2024-03-13 08:11:07