Mineração de dados aplicada à predição de resultados de jogos de basquete.

Abstract

A mineração de dados permite extrair informações de grandes volumes de dados, em que não seria possível utilizar técnicas tradicionais. Uma das aplicações de sucesso da mineração concerne a análise de partidas esportivas para predição de resultados, com especial interesse do mercado de apostas nessa aplicação. A liga nacional de basquete dos Estados Unidos, a NBA, foi a primeira liga de esporte profissional estadunidense a ter parceria com duas companhias de apostas. Apesar da agitação do mercado de apostas desde a oficialização dessa parceria, nas últimas temporadas a NBA sofreu com a redução dos investimentos e com a alteração na dinâmica dos jogos devido a pandemia do coronavírus. Este trabalho se propõe a aplicar técnicas de mineração de dados para a construção de um modelo capaz de predizer os resultados dos jogos da NBA e analisar os impactos da pandemia na predição de resultado desses jogos. Para isso, são utilizados dados estatísticos da NBA referentes às últimas nove temporadas. Após o treinamento dos modelos e análise dos resultados obtidos, percebeu-se que houve alterações nos padrões de vitórias e derrotas da NBA durante a pandemia. Essas alterações foram percebidas devido à perda de generalização do modelo para o experimento que Utilizou como conjunto de teste a temporada 2019-2020, disputada durante a pandemia, e como conjunto de treino as temporadas de 2012-2018, disputadas antes da pandemia. A perda de generalização maior foi observada para o algoritmo classificador Random Forest que obteve 73,23% e 61,75% de acurácia no treino e no teste, respectivamente. O algoritmo Naïve Bayes obteve o melhor resultado em todos os experimentos.