81일차) 내일배움캠프 데이터 분석 TIL - 최종 프로젝트(10)

1. 오늘 분석의 핵심 질문

2025 텍사스 레인저스는

• 피타고리안 기대 승수: 90.1승
• 실제 승수: 81승

으로, 기대보다 약 9승 적게 기록했다.

여기서 던진 질문은 단순하다.

이 차이는 그냥 운의 문제일까, 아니면 팀 운영 구조의 문제일까?

이 질문에 답하기 위해
피타고리안 기대승수와 실제 승수의 차이 = residual(잔차) 로 정의하고 분석을 진행했다.

---

2. 오늘 배운 분석 구조

전체 흐름은 아래처럼 정리할 수 있다.

1. 2015~2024 MLB 팀-시즌 데이터 수집
2. 피타고리안 기대승수 계산
3. 잔차(residual) 정의
4. 잔차와 관련 있는 피처 탐색
5. 머신러닝으로 중요 변수 확인
6. 시나리오 보정 + 몬테카를로 시뮬레이션

즉, “득실차로 설명되지 않는 초과 성과/저성과”를 따로 떼어내서 본 것이다.

---

3. 오늘 다시 정리한 핵심 개념

3-1. 피타고리안 기대승수

피타고리안 승률은 팀의 득점(RS) 과 실점(RA) 으로 기대 승률을 계산하는 방식이다.

pyth_wp=RS1.83RS1.83+RA1.83\text{pyth\_wp} = \frac{RS^{1.83}}{RS^{1.83} + RA^{1.83}}pyth_wp=RS1.83+RA1.83RS1.83

이 값을 경기 수에 곱하면 기대 승수가 된다.

즉,

• 득실 구조상 이 정도 승수는 나와야 하는데
• 실제 결과는 다를 수 있다

는 점에서 출발한다.

---

3-2. 잔차(residual)

이번 분석의 타깃은 다음처럼 정의했다.

residual=Wactual−Wpyth\text{residual} = W_{\text{actual}} - W_{\text{pyth}}residual=Wactual−Wpyth

해석은 다음과 같다.

• residual > 0: 기대보다 더 많이 이김
• residual < 0: 기대보다 덜 이김

텍사스 2025는 -9.1승으로, 기대 대비 저성과가 매우 큰 편이었다.

---

4. 오늘 인상 깊었던 포인트

4-1. ERA가 꼭 잔차를 잘 설명하는 건 아니다

처음에는 당연히 ERA, WHIP 같은 전통 투수 지표가 중요할 것이라 생각했다.
그런데 잔차 모델에서는 꼭 그렇지 않았다.

이유는 이미 피타고리안 승률 자체가 실점 총량을 반영하고 있기 때문이다.

즉,

• ERA, WHIP는 “얼마나 실점했는가”에 가깝고
• residual은 “그 실점 구조로 봤을 때 왜 기대보다 덜 이겼는가”를 보는 값이다

그래서 잔차에서는 오히려

• 1점차 경기 승률
• 세이브 성공률
• 홈/원정 편차
• 승계주자 실점률(IR%)

같은 운영형 지표가 더 설명력을 가질 수 있다.

이 부분이 오늘 가장 중요한 인사이트였다.

---

4-2. 원인 변수와 결과 변수는 구분해서 봐야 한다

노트북에서도 강조된 부분인데,
onerun_wp, sv_pct, xi_wp 같은 변수는 원인이라기보다 현상에 가까운 변수일 수 있다.

예를 들어

• 세이브 성공률이 낮다
  → 불펜이 약했다는 결과일 수도 있고
• 1점차 승률이 낮다
  → 접전 운영이 약했다는 현상일 수도 있다

즉, 이 모델은 인과 추론 모델이 아니라
저성과 팀의 구조적 특징을 설명하는 해석형 모델로 보는 게 맞다.

이 관점을 놓치면 “이 지표가 낮아서 무조건 원인이다”라고 과해석하게 된다.

---

5. 상관분석에서 배운 점

후보 피처들을 잔차와 비교해 보니,
일부 직관적인 지표는 생각보다 설명력이 약했다.

예를 들어

• OPS는 유의하긴 했지만 잔차 설명력은 강하지 않았고
• LOB, SB% 등은 잔차와 관계가 거의 없거나 약했다

반면,

• onerun_wp
• sv_pct

같은 지표는 잔차와 상대적으로 강한 관계를 보였다.

이걸 보면서 느낀 점은,
좋은 팀을 설명하는 지표와 기대 대비 초과/미달 성과를 설명하는 지표는 다를 수 있다는 것이다.

즉,

• 팀 전력 설명 모델
• 기대 대비 성과 괴리 설명 모델

은 분리해서 생각해야 한다.

---

6. 머신러닝 단계에서 정리한 해석

이번 분석에서는

• Ridge
• Lasso
• Random Forest
• XGBoost

같은 모델을 사용해 잔차 설명력을 비교했다.

중요했던 점은 예측 정확도 자체보다 해석 목적에 더 무게를 뒀다는 것이다.

노트북에서도 정리했듯이,
이 모델은 “정밀한 승수 예측기”가 아니라

어떤 피처가 기대 대비 저성과와 일관되게 연관되는지 보는 해석 도구

에 가깝다.

특히 SHAP을 통해

• 어떤 피처가 잔차를 끌어올리는지
• 어떤 피처가 끌어내리는지
• 텍사스 2025는 어떤 변수 조합 때문에 낮은 잔차가 나왔는지

를 시각적으로 확인한 점이 좋았다.

---

7. 오늘 가장 중요하게 정리한 실무적 포인트

시나리오 보정용 피처와 모델 학습용 피처는 분리해야 한다

이 부분이 정말 중요했다.

처음에는 모델에 들어간 피처를 그대로 시나리오 조정에도 쓰면 된다고 생각하기 쉬운데,
그렇게 하면 문제가 생긴다.

예를 들어

• OPS
• RS/G
• ERA

같은 값은 이미 피타고리안 승수에 반영되는 성격이 강하다.

그런데 이걸 residual 시나리오에서 또 조정하면
같은 효과를 이중 반영하는 해석 오류가 생길 수 있다.

그래서 이번 노트북에서는

• 모델 학습용 피처: 전체 사용
• 시나리오 조정용 피처: 운영/불펜/접전 관련 변수만 사용
• ERA, OPS, rs_per_g 등은 고정

처럼 나눠서 처리했다.

이건 앞으로 비슷한 해석 모델을 만들 때 꼭 기억해야 할 원칙이다.

---

8. 몬테카를로 시뮬레이션에서 배운 점

이번 시뮬레이션은 총 승수 예측 모델이 아니라 residual 변화 모델이었다.

즉,

predicted wins=fixed pyth wins+residual^\text{predicted wins} = \text{fixed pyth wins} + \widehat{\text{residual}}predicted wins=fixed pyth wins+residual

구조이기 때문에,
이 시나리오는 “팀 전체가 몇 승을 더 하느냐”보다는

기대 승수 대비 초과/미달 성과가 얼마나 달라지느냐

를 보는 데 더 적합하다.

이 차이를 명확히 이해하지 않으면
시뮬레이션 결과를 실제 총승수 예측처럼 오해할 수 있다.

오늘은 이 부분을 문장으로도 분명하게 써야 한다는 걸 배웠다.

---

9. 오늘의 결론

오늘 분석을 통해 정리한 결론은 이렇다.

• 텍사스 2025의 저성과는 단순 득실차 문제가 아니었다
• 접전 경기 운영 실패
• 세이브 상황 성과 저하
• 불펜/후반 운영 변수
  가 함께 작용했을 가능성이 크다

다만 이 모델로도 설명되지 않는 부분이 남기 때문에,
추가로 봐야 할 영역도 분명하다.

예를 들면

• 1점차 경기 세부 패턴
• 블론세이브 상황
• 후반 이닝 운영
• 클러치 타격
• WPA, RE24, leverage index 기반 불펜 분석

같은 심화 분석이 이어져야 한다.