Data Envelope Analysis nedir?

Aynı Özelliklere sahip varlıklarının verimliliklerini karşılaştırmaya yarayan 1 yöntemdir. 1 ile 0 arasında etkileyerek çalışır. En iyi 1 en kötü olarak 0 sonucu alınır.

Yaptığı şey temel olarak: CRS/VRS . CRS denilen Bütün veri için hazırlanır. VRS ise her bir varlık için özel olarak hesaplanır. Eğer CS VRS’e eşit ise 1 verimliliğine ulaşılır. VRS yükseldikçe verimlilik düşer. Aynı türdeki varlıklarınızın verimlilik karşılaştırmanızı yapmanız için 1 yöntem olarak DEA temelde bir Linear Programming yaklaşımıdır.

Ben R Dilindeki rDEA paketini kullanmayı tercih ettim. Yüklemek için:

install.packages("rDEA")

Kullanmak için:

library(rDEA)

Örnek olarak Nba oyuncularının 2017–2018 sezonu istatiskleri ve Aldıkları paralar ile bu işlemi yapalım. Veri Olarak şunu kullandım:

https://www.kaggle.com/acasalan/nba-player-stats-201718

Verimizi okuma ve diğer birtakım işlemler:

data<-read.csv("nbaplayers1718.csv") X=data[0:486,c("G","MP","PER","WS","VORP")] y2 <- as.numeric(gsub('[$,]', '', data$Player.Salary.in))

Ardından dea işlemini başlatalım:

di = dea.robust(X=X, Y=y2, model="input", RTS="variable")

Sonrasında en kötü ve en efektif oyuncuları bulalım:

hatir=di$theta_hat_hat which(hatir==min(hatir)) data[70,c("Player.Name")]

ve Karşımıza Chandler Parsons çıkıyor. Eskiden Duncan doğrulaması vardı NBA’de şimdi Chandler Parsons 🙂

hatir=di$theta_hat_hat which(hatir==max(hatir)) data[323,c("Player.Name")]

Matthew Dellavedova

Veriye biraz daha yoğun baktığımızda çok fazla para alıyorsa belli ölçüde kötü gözükmekte. Lebron dahi öyle. Çaylak kontratlarını ve İSAİAH THOMAS’ı çıkararak modeli daha düzgün bir şekle sokabilirsiniz.

Originally published at http://anilkaynr.wordpress.com on December 6, 2019.

Computer Engineer,Sociologist, CSE Master Student

Get the Medium app

A button that says 'Download on the App Store', and if clicked it will lead you to the iOS App store
A button that says 'Get it on, Google Play', and if clicked it will lead you to the Google Play store