Previsão de resultados no futebol por meio de técnicas de aprendizado de máquina
Futebol é considerado o esporte mais popular do mundo. Por isso, existe um grande interesse em saber quem será o vencedor de uma partida com impactos sociais e econômicos ao redor do mundo. A partir de dados básicos de desempenho, extraídos dos placares dos jogos, este trabalho tem o objetivo de est...
| Autor: | |
|---|---|
| Tipo de documento: | Dissertação de mestrado |
| Estado: | Published version |
| Data de publicação: | 2019 |
| País: | Brasil |
| Recursos: | CEFET |
| Repositório: | Repositório Institucional do CEFET-MG |
| Idioma: | Português |
| OAI Identifier: | oai:repositorio.cefetmg.br:123456789/1285 |
| Acesso em linha: | https://repositorio.cefetmg.br//handle/123456789/1285 |
| Nível de acesso: | Acesso aberto |
| Palavra-chave: | Futebol Aspectos econômicos Aprendizado computacional Métodos estatísticos Aposta |
| Resumo: | Futebol é considerado o esporte mais popular do mundo. Por isso, existe um grande interesse em saber quem será o vencedor de uma partida com impactos sociais e econômicos ao redor do mundo. A partir de dados básicos de desempenho, extraídos dos placares dos jogos, este trabalho tem o objetivo de estudar o desempenho dos algoritmos de aprendizado de máquina aplicados à predição de jogos de futebol: vitória do mandante, empate ou vitória do visitante. Propusemos um modelo de dados para predição de jogos de futebol e investigamos os modelos de aprendizado com tarefas de regressão e classificação aplicando técnicas de redução de dimensão. Os algoritmos utilizados para regressão foram: Regressão Linear (RegLin), K vizinhos mais próximos (KNN), Random Forest (RF) e Gradient Boosting (GB). Para classificação: Regressão Logística (RegLog), Random Forest (RF), Gradient Boosting (GB), Naive Bayes (NB) e K vizinhos mais próximos. Para os algoritmos de regressão, o valor referência passou a ser o saldo de gols, pois é um número inteiro que varia num intervalo . O melhor algoritmo, em relação ao F1-score, foi o GB aplicado a tarefa de regressão utilizando o modelo proposto neste estudo com K igual a 0.25. Este modelo apresentou um F1-score de 0.509 e uma acurácia de 52.78%. Aplicando esse modelo em apostas esportivas, ele se mostrou robusto em relação a lucratividade, com rentabilidade superior a índices de referência como IBOV e a taxa básica de juros do Brasil, a taxa SELIC. |
|---|