Publicação:
Análise comparativa de algoritmos de aprendizado de máquina aplicados ao Campeonato Brasileiro de Futebol

Página do item simplificado
dc.contributor.advisor1Miani, Rodrigo Sanches
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/2992074747740327pt_BR
dc.contributor.referee1Silva, Renato Aparecido Pimentel da
dc.contributor.referee1Latteshttp://lattes.cnpq.br/5178445891550640pt_BR
dc.contributor.referee2Couto, Leandro Nogueira
dc.contributor.referee2Latteshttp://lattes.cnpq.br/9500586005920379pt_BR
dc.creatorOliveira, João Victor de
dc.date.accessioned2024-11-28T13:42:40Z
dc.date.available2024-11-28T13:42:40Z
dc.date.issued2024-11-27
dc.description.degreenameTrabalho de Conclusão de Curso (Graduação)pt_BR
dc.description.resumoAs predições relacionadas ao futebol despertam interesse tanto dos curiosos quanto dos profissionais desse esporte, e com o atual volume de dados disponíveis, o uso de aprendizado de máquina nesse contexto vai se tornando peça fundamental para alcançar muitos objetivos. O objetivo deste trabalho foi construir modelos de previsão para analisar os resultados do mandante em duas situações: vitória ou empate/derrota, e vitória ou derrota. Os algoritmos escolhidos para a construção dos modelos foram: Regressão Logística, Random Forest, k-Nearest Neighbors, Naive Bayes, Máquina de Vetores de Suporte, XGBoost e LGBM. Para aumentar a generalização e evitar o overfitting, os dados foram divididos em treino e teste e fez-se o uso da validação cruzada. O modelo considerado destaque no cenário sem empates foi o da Máquina de Vetores de Suporte, com acurácia de 72.65% e F1 de 82.04%. Já o modelo de destaque do cenário com empates foi o do XGBoost, com uma boa acurácia de 60.27% e um bom F1 de 64.86%. Para os modelos utilizados no cenário sem empates, os resultados encontrados indicam um desempenho acima do esperado e do que é encontrado nos modelos disponíveis publicamente, muito pelo fato dos empates terem sido removidos, o que deixou o problema de classificação mais simples e facilitou a predição dos modelos. Quando foi trocado o cenário para que tivesse empates nos dados, alguns algoritmos tiveram bons resultados como o XGB e o NB, enquanto outros tiveram desempenho abaixo do esperado, como o k-Nearest Neighbors.pt_BR
dc.description.sponsorshipPesquisa sem auxílio de agências de fomentopt_BR
dc.identifier.citationOLIVEIRA, João Victor de. Análise comparativa de algoritmos de aprendizado de máquina aplicados ao Campeonato Brasileiro de Futebol. 2024. 45 f. Trabalho de Conclusão de Curso (Graduação em Sistemas de Informação) – Universidade Federal de Uberlândia, Uberlândia, 2024.pt_BR
dc.identifier.urihttps://repositorio.ufu.br/handle/123456789/44050
dc.languageporpt_BR
dc.orcid.putcode172745588
dc.publisherUniversidade Federal de Uberlândiapt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.courseSistemas de Informaçãopt_BR
dc.rightsAcesso Abertopt_BR
dc.sizeorduration45pt_BR
dc.subjectAprendizado de máquina, Futebol, Pré-processamento, Métricas, Desempenho da predição.pt_BR
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAOpt_BR
dc.titleAnálise comparativa de algoritmos de aprendizado de máquina aplicados ao Campeonato Brasileiro de Futebolpt_BR
dc.typeTrabalho de Conclusão de Cursopt_BR
dspace.entity.typePublication

Arquivos

Pacote original

Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
AnaliseComparativaDe.pdf
Tamanho:
816.61 KB
Formato:
Adobe Portable Document Format
Descrição:
TCC
Baixar

Coleções

TCC - Sistemas de Informação (Uberlândia)