Avaliação dos modelos de machine learning: verificando os resultados no futebol

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorOliveira, Daniel Cardoso Moraes de-
Autor(es): dc.creatorConceição, Maycon Prata da-
Data de aceite: dc.date.accessioned2024-07-11T18:47:54Z-
Data de disponibilização: dc.date.available2024-07-11T18:47:54Z-
Data de envio: dc.date.issued2022-09-20-
Data de envio: dc.date.issued2022-09-20-
Fonte completa do material: dc.identifierhttp://app.uff.br/riuff/handle/1/26311-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/777805-
Descrição: dc.descriptionConsiderado o esporte mais popular do mundo, o futebol atualmente mobiliza muito mais que paixões, movimenta cifras bilionárias. Esse cenário acabou atraindo pessoas interessadas em técnicas para melhorar a previsão de resultados, como é o caso dos modelos de aprendizado de máquina (machine learning). Assim, o objetivo desse artigo é avaliar a confiabilidade na predição de resultados com base nos modelos de aprendizado de máquina de modo a averiguar se previsões efetuadas pela técnica analisada equivalem aos resultados reais das partidas verificadas. Dessa forma, as técnicas utilizadas foram o algoritmo Naïve Bayes, Random Forest, kNN, Gradient Boost, Decision Tree e Logistic Regression. Os dados utilizados para treinamento foram do Campeonato Brasileiro entre 2015 a 2018 e considerados para testes os dados dos anos de 2019 e 2021. Os resultados relevantes obtidos foram em média 46% de acertos dos resultados de previsão dos modelos analisados e as principais variáveis envolvidas foram AvgA (probabilidade média de vitória em casa) e MaxH (probabilidade vitória time da casa).-
Descrição: dc.descriptionConsidered the most it popular sport in the world, football currently mobilizes much more than passion, moves billion dollar figures. This scenario ended up attracting people interested in techniques to improve the prediction of results, as is the case of machine learning models. Thus, the objective of this article is to evaluate the reliability in the prediction of results based on machine learning models to ascertain whether predictions made by the matches analyzed are equivalent to the actual results of the verified. Thus, the techniques used were the Na ̈ıve Bayes algorithm, Random Forest, kNN, Gradient Boost, Decision Tree and Logistic Regression. The Data used for training were from the Brazilian Championship between 2015 and 2018 and for testing the data between 2019 and 2021. The relevant results obtained were, on average, 46% of correct prediction results of the models analyzed. The main variables involved were avgA (average probability of victory at home) and Maxh (probability of victory at home).-
Descrição: dc.description29 p.-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Direitos: dc.rightsOpen Access-
Direitos: dc.rightsCC-BY-SA-
Palavras-chave: dc.subjectOrange Canvas-
Palavras-chave: dc.subjectPredições de resultados-
Palavras-chave: dc.subjectCampeonato brasileiro-
Palavras-chave: dc.subjectAprendizagem de máquina-
Palavras-chave: dc.subjectAprendizado de máquina-
Palavras-chave: dc.subjectProbabilidade-
Palavras-chave: dc.subjectFutebol-
Palavras-chave: dc.subjectForecast results-
Palavras-chave: dc.subjectBrazilian championship-
Palavras-chave: dc.subjectMachine learning-
Título: dc.titleAvaliação dos modelos de machine learning: verificando os resultados no futebol-
Tipo de arquivo: dc.typeTrabalho de conclusão de curso-
Aparece nas coleções:Repositório Institucional da Universidade Federal Fluminense - RiUFF

Não existem arquivos associados a este item.