KBO_VISION (WIP)

KBO 리그 경기 데이터 및 모든 투구 내용(구종, 위치좌표, 속도)을 Naver Sports API에서 수집하고, 향후 투구에 대한 실시간 예측 모델까지 구축하기 위해 개발 중인 프로젝트입니다.
(사심으로) 한화와 류현진의 우승을 돕기위한 프로젝트

Powered by Dabin Jeon

현재 본 저장소는 아래 범위까지 데이터 기반 분석이 가능한 상태입니다.

• 2024 KBO 정규시즌 전체
• 2025 시즌 전체 범위 데이터
• 2026-04-08 기준 최신 일정 및 일부 실시간 데이터

데이터 규모는 아래와 같습니다.

• 2024: 720경기, 223,216개 투구, 291명 투수
• 2025: 720경기, 217,857개 투구, 281명 투수
• 2026-04-08 기준: 50경기, 16,036개 투구, 167명 투수

프로젝트 핵심

본 프로젝트는 단순 기록 수집이 아니라, 투구를 타석, 이닝, 경기 전체 시퀀스로 해석하고 다음 공의 구종과 위치를 예측하는 것을 목표로 합니다.

현재 중점 질문은 아래와 같습니다.

• 특정 투수는 어떤 상황에서 어떤 구종을 선택하는가
• 포수, 배터리 조합, 상대 타자 특성이 볼배합에 얼마나 영향을 주는가
• 타자의 시즌 성적, 약점 존, 초구 스윙 성향이 실제 호출 패턴에 반영되는가
• 초구와 직전 구종, 볼카운트, 주자상황이 다음 공 선택에 어떤 규칙을 만드는가

현재 모델 상태

현재까지의 실험을 종합하면, 세부 구종 multiclass를 단번에 맞히는 방식보다 baseline prior를 먼저 깔고 상황 피처로 보정하는 방식이 더 잘 작동합니다.

특히 오늘 정리된 핵심은 아래와 같습니다.

• 네일 2025 초구 구종 예측에서 단순 majority baseline은 0.3684
• baseline prior를 row-level feature로 붙인 뒤 xgboost random-forest mode는 0.3985
• 즉 초구 모델은 baseline 기반 보정 구조가 실제로 baseline을 넘기기 시작했습니다
• 네일 2025 전체 투구 구종 예측에서는 count_state + prev_pitch_type_pa_1 조건부 baseline이 0.3168
• 전체 투구 학습 모델 중 최고는 xgboost random-forest mode 0.3109
• 따라서 전체 투구에서는 아직 볼카운트 + 직전 구종 규칙이 가장 강한 설명력을 보입니다

한 줄로 정리하면, 현재 프로젝트는 baseline을 명시적으로 feature로 넣는 계층형 예측 구조로 가는 것이 맞다는 판단입니다.

Sequence Roadmap

현재 프로젝트의 다음 단계는 투구를 이벤트가 아니라 시퀀스로 재구성하는 것입니다.

우선 대상은 아래로 고정합니다.

• 2025 시즌
• 공식 KBO 투수 기본기록 기준 100이닝 이상 투수

시퀀스 레이어는 4개로 구성합니다.

• pitch_master
  • 1행 = 1투구
• pa_sequence_table
  • 1행 = 1타석
• inning_sequence_table
  • 1행 = 1이닝
• game_sequence_table
  • 1행 = 1경기

핵심 원칙은 아래와 같습니다.

• 위치는 반드시 포함
• 구종 시퀀스와 위치 시퀀스를 동시에 보관
• 투수, 포수, 팀, 상대팀, 타자, 타순, 직전년도/해당시즌 타율을 헤더 메타데이터로 포함
• 가능한 한 동일한 공통 스키마를 유지

현재 표준 위치 코드는 A1 ~ E5 25분할입니다.

예시:

• pitch_seq = TUS
• zone25_seq = C3-D5-E5
• pitch_zone_seq = TC3-UD5-SE5

즉 한 타석은 구종만이 아니라 구종+위치의 서열로 저장됩니다.

예시 형태는 아래와 같습니다.

[pitch_master]
game_id      inning  batter   pitch_no_pa  pitch_type  zone25  result
20250410...  1       오재원   1            T           C3      strike
20250410...  1       오재원   2            U           D5      ball
20250410...  1       오재원   3            S           E5      whiff

[pa_sequence_table]
game_id      inning  pitcher  catcher  batter   lineup_slot  prev_ba  curr_ba  pitch_seq  zone25_seq  pitch_zone_seq  final_result
20250410...  1       네일     김태군   오재원   1            0.000    0.287    TUS        C3-D5-E5    TC3-UD5-SE5     strikeout

[PA FASTA-like]
>pa_id=PA0001|game_id=20250410...|pitcher=네일|catcher=김태군|batter=오재원|lineup=1|prev_ba=0.000|curr_ba=0.287|inning=1|outs=0|runner=000|result=strikeout
PITCH:TUS
ZONE:C3-D5-E5
PAIR:TC3-UD5-SE5

이 시퀀스는 이후 두 형태로 함께 관리할 예정입니다.

• CSV 테이블
  • 모델링, 필터링, 집계용
• FASTA-like 텍스트
  • motif, n-gram, sequence pattern 분석용

관련 설계 문서:

• SEQUENCE_SCHEMA_PLAN.md

시퀀스 분석은 우선 아래 순서로 시작합니다.

• PA sequence 기준 투수별 top motif
• 2스트라이크 종료 패턴
• 좌타/우타별 motif 차이
• pitch_zone_seq 기준 위치 포함 motif
• 그다음 투수 유형 군집화

처음 확인할 결과물은 아래 4개입니다.

• 투수별 top 10 pitch_seq
• 투수별 top 10 pitch_zone_seq
• 2스트라이크 top motif
• 좌/우타 split motif table

현재 생성된 산출물:

• sequence_motif_report_2025_100ip.md
• pitch_seq_top10_by_pitcher_2025_100ip.csv
• pitch_zone_seq_top10_by_pitcher_2025_100ip.csv
• two_strike_top_motif_2025_100ip.csv
• stance_split_motif_2025_100ip.csv

최근 시퀀스 분석 업데이트

2025 시즌 100이닝 이상 투수를 기준으로, 투구를 PA / 이닝 / 경기 3단 시퀀스로 재구성하고 아래 분석까지 확장했습니다.

• 모티프분석: 투수별 대표 pitch_seq, pitch_zone_seq, 2스트라이크 motif, 좌/우타 split motif
• 규칙분석: pitch_result_seq, count_path + pitch_seq, pitch_zone + result 조합 규칙
• 거리분석: Levenshtein, Needleman–Wunsch, Smith–Waterman 기반 거리 비교
• 클러스터분석: 경기 embedding, 동일 투수 경기 clustering, cluster characteristics
• 경기반복분석: 같은 투수의 여러 경기 사이에서 반복되는 운영 패턴과 유사 경기쌍 탐색

분석 결과는 data/sequences/2025_100IP/analysis 아래를 한글 폴더 기준으로 정리했습니다.

• 분석결과_안내.md
• 클러스터분석
• 거리분석
• 모티프분석
• 규칙분석
• 경기반복분석

의미 있게 확인된 결과는 아래와 같습니다.

• 오원석은 같은 경기 안에서 반복되는 PA motif 기준으로 FF 패턴 빈도가 가장 높았습니다.
• 류현진은 시즌 경기들이 직구-커브 반복형, 커브 진입형, 체인지업 연속형의 3개 운영 클러스터로 나뉘는 흐름을 보였습니다.
• 거리 기반 비교에서는 Smith–Waterman이 부분 패턴 재사용을 가장 민감하게 잡았고, Needleman–Wunsch는 더 엄격한 전역 정렬 기준으로 작동했습니다.
• 동일 투수 경기 embedding은 경기별 운영 스타일을 군집으로 나누는 데 유효했고, 페이지별 SVG로 모든 100+ IP 투수를 확인할 수 있도록 정리했습니다.

대표 결과물:

• within_pitcher_game_embedding_2025_100ip.svg
• 페이지별 SVG
• within_pitcher_cluster_characteristics_2025_100ip.md
• within_pitcher_game_similarity_report_2025_100ip.md
• game_distance_matrix_pairs_2025_100ip.csv

오늘 분석 요약

2026-04-10 기준 네일 분석에서 확인된 내용은 아래와 같습니다.

• 초구 구종은 상대팀, 주자상황, 아웃카운트, 포수, 타자 좌우, 타자 초구 성향에 따라 달라집니다
• 다만 초구 exact pitch type은 여전히 어려운 문제이고, 초구 위치는 상대적으로 더 잘 맞습니다
• 네일 초구는 초반 이닝에서 투심 중심성이 강하고, 중반 이후 체인지업과 다른 변화구가 더 많이 섞입니다
• 한화 상대에서는 특정 타자에게 체인지업 초구가 집중된 패턴이 보였습니다
• 전체 투구 모델에서는 볼카운트, 직전 구종, 주자상황, 이닝, 포수가 핵심 축으로 작동합니다

Example Visuals

네일 초구 모델 성능 요약

네일 초구 전체 위치 확률 지도

네일 초구 실제 위치 산포도

KIA 포수별 초구 스트라이크존 비교

KIA 포수별 초구 구종 분포 비교

한화 타자 2025 약점 존 요약

100이닝 이상 투수 경기별 운영 클러스터 요약

100이닝 이상 투수 경기별 운영 클러스터 페이지 예시

2026.04.10 선발투수 "네일" 예측

기준: 네일 2025 실제 투구 패턴, 포수 영향, 타자 성향, 그리고 baseline prior 기반 시나리오

2026 한화 선발 로테이션 캘린더

기준: 2026-03-28 개막일부터 2026-04-12 실제 경기 로그, 그리고 2026-04-30까지의 예고/로테이션 예측
가정: 화이트 이탈 이후 황준서 1회 임시 선발, 이후 잭 쿠싱 대체 선발 반영

주요 스크립트

• fetch_kbo_schedule.py
• fetch_kbo_season.py
• build_pitch_context_table.py
• build_model_tables.py
• build_first_pitch_driver_table.py
• build_all_pitch_driver_table.py
• augment_first_pitch_baseline_priors.py
• benchmark_first_pitch_algorithms.py

관련 문서

• PITCH_SEQUENCE_MODEL_PLAN.md
• FIRST_PITCH_MODEL_ARCHITECTURE_RECOMMENDATION.md
• ALGORITHM_SELECTION_POLICY.md
• HANWHA_DAILY_TABLES_PLAN.md
• SEQUENCE_SCHEMA_PLAN.md

실행 예시

python scripts\fetch_kbo_season.py --season-year 2024 --round-code kbo_r --reuse-existing
python scripts\build_first_pitch_driver_table.py --input-csv ... --weakness-csv ... --swing-csv ... --pitcher-team-code HT --output-csv ...
python scripts\benchmark_first_pitch_algorithms.py --input-csv ... --target first_pitch_type --output-json ...

Note

• data/ 아래 원본 산출물은 대부분 git 추적에서 제외합니다
• 버전 관리는 코드, 문서, 예시 SVG 중심으로 유지합니다
• 현재 모델은 baseline을 이기는가를 가장 중요한 평가 기준으로 둡니다