Analiza poškodb pri športnih plesalcih z metodami strojnega učenjaRajher, Rok (Avtor) Bosnić, Zoran (Mentor) Zaletel, Petra (Komentor) strojno učenjeklasifikacijapoškodbeplesPodročje športnega plesa je izjemno tekmovalno, fizično zahtevno ter psihično naporno področje, zato prihaja do visokega števila poškodb plesalcev. Da bi ugotovili vzroke za poškodbe, so na Fakulteti za šport izvedli meritve za 259 plesalk in plesalcev različnih plesnih zvrsti (hiphop, rokenrol, standardni in latinsko-ameriški plesi ter breakdance). Meritve so vključevale merjenje telesne sestave, nekaterih gibalnih sposobnosti, preko vprašalnikov pa so preverili pojavnost poškodb, stopnjo obremenitve in osnovne demografske podatke o posameznem merjencu. Nekatere meritve so bile izvedene dvakrat (tri mesece po prvih meritvah). Ker so najpogostejše poškodbe plesalcev na področju gležnja, kolena, hrbtenice in ramena, smo z uporabo različnih algoritmov strojnega učenja (angl. "machine learning") zgradili napovedne modele za napoved poškodb omenjenih delov telesa. Na podlagi razlik med prvimi in drugimi meritvami smo zgradili modele za ocenjevanje napredka plesalcev. Za izbor najpomembnejših atributov smo uporabili algoritem ReliefF, modele pa smo tudi ustrezno interpretirali z uporabo knjižnice SHAP. Za modeliranje smo uporabili logistično regresijo, naivnega Bayesa, nevronsko mrežo, metodo podpornih vektorjev (SVM), naključne gozdove, gradient boosting (GB), eXtreme Gradient Boosting (XGB) ter metodo najbližjih sosedov (KNN). Za napoved poškodb kolena smo dosegli klasifikacijsko točnost 69 %, za napoved poškodb hrbtenice 78 %, gležnja 71 % in ramena 88 %. Z modeli za napoved napredka smo dosegli 98 % točnost, kar nam omogoča njihovo uporabo v praksi ter prepoznavanje ključnih vzrokov za napredek.20232023-08-22 08:55:00Diplomsko delo/naloga148409VisID: 36489COBISS_ID: 162353923sl