Por favor, use este identificador para citar o enlazar este ítem:
http://www.monografias.ufop.br/handle/35400000/7066| Título : | Predição de resultados de uma partida de futebol utilizando aprendizado de máquina. |
| Autor : | Fernandes, Luiz Fernando Rodrigues |
| metadata.dc.contributor.advisor: | Silva, Pedro Henrique Lopes |
| metadata.dc.contributor.referee: | Duarte, Fernando Henrique Oliveira Silva, Guilherme Augusto Lopes Silva, Pedro Henrique Lopes |
| Palabras clave : | Mineração de dados - computação Aprendizado do computador Algoritmo florestas aleatórias Modelos multiníveis - estatísticas Futebol |
| Fecha de publicación : | 2024 |
| Citación : | FERNANDES, Luiz Fernando Rodrigues. Predição de resultados de uma partida de futebol utilizando aprendizado de máquina. 2024. 39 f. Monografia (Graduação em Ciência da Computação) - Instituto de Ciências Exatas e Biológicas, Universidade Federal de Ouro Preto, Ouro Preto, 2024. |
| Resumen : | O presente trabalho aplica algoritmos de aprendizado de máquina para a predição de resultados de futebol, especialmente no contexto do planejamento de temporada das equipes. A pesquisa propõe a utilização dos algoritmos XGboost, Bayesiano Ingênuo (Naive Bayes) e Floresta Aleatória (Random Forest), aplicados às bases de dados Dataset LaLiga 2021-2022, Dataset LaLiga 2022 2023, Dataset LaLiga 2023-2024 e LaLiga Pack Dataset, construídas através de técnicas Web Scrapping. O processo inclui um pré-processamento dos dados para otimização da adequação aos algoritmos, visando obter predições cientificamente embasadas e assertivas. O estudo ressalta a importância dessas abordagens no cenário do futebol, fornecendo valiosos insights para o planejamento estratégico das equipes. Alcançando 53% de precisão com o modelo Naive Bayes, utilizando as temporadas 2021-2022 e 2022-2023 para treino e a temporada 2023-2024 para teste. |
| metadata.dc.description.abstracten: | The present work applies machine learing algorithms for results prediction in football field, especially in the context of team season planning. The research proposes the use of XGBoost, Naive Bayes, and Random Forest algorithms, applied to the datasets LaLiga 2021-2022, LaLiga 2022-2023, LaLiga 2023-2024, and LaLiga Pack Dataset, built using web scraping techniques. The process includes data preprocessing to optimize their suitability for the algorithms, aiming to achieve scientifically grounded and accurate predictions. The study emphasizes the importance of these approaches in football, providing valuable insights for teams’ strategic planning. Achieving 53% accuracy with the Naive Bayes model, using the 2021-2022 and 2022-2023 seasons for training and the 2023-2024 season for testing. |
| URI : | http://www.monografias.ufop.br/handle/35400000/7066 |
| Aparece en las colecciones: | Ciência da Computação |
Ficheros en este ítem:
| Fichero | Descripción | Tamaño | Formato | |
|---|---|---|---|---|
| MONGRAFIA_PrediçãoResultadosPartida.pdf | 2,87 MB | Adobe PDF | Visualizar/Abrir |
Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.