Please use this identifier to cite or link to this item: https://repositorio.ufu.br/handle/123456789/21365
Document type: Tese
Access type: Acesso Aberto
Title: Utilização do classificador polinomial como ferramenta de predição de resultados de partidas de futebol
Alternate title (s): Using the Polynomial Classifier as a Prediction Tool results of football matches
Author: Martins, Rodrigo Grassi
First Advisor: Lima, Luciano Vieira
First member of the Committee: Dorça, Fabiano Azevedo
Second member of the Committee: Peretta, Igor Santos
Third member of the Committee: Rocha, Júnia Magalhães
Fourth member of the Committee: Barbosa Filho, Rubens
Summary: O interesse de tantas pessoas no mundo pelo futebol gera não apenas telespectadores, mas também muitas movimentações nanceiras em torno desse esporte. Sistemas computacionais que trabalham com a predição de resultados e auxiliem a minimizar os riscos e maximizar os lucros tornam-se então uma importante ferramenta de trabalho para o dia a dia do futebol. A hipótese de trabalho desta tese é a de que o Classi cador Polinomial(CP), uma técnica amplamente utilizada como classi cador de padrões possa ser usada também como um algoritmo de seleção de características. De maneira a investigar a predição - aquilo que se diz antecipadamente - dos resultados das partidas de futebol, foram escolhidos os algoritmos Naive Bayes(NB), Árvore De Decisão(AD), Multilayer Perceptron(MLP), Radial Basis Function(RBF) e Supportt Vector Machine(SVM). A escolha desses classi cadores é baseada no estado da arte. Para validar a e cácia do classi cador polinomial foram realizados testes com os métodos: Análise de componentes principais(PCA) e Relief. Os dados utilizados para a abordagem proposta foram os resultados dos partidas de futebol, obtidos nos seguintes campeonatos: campeonato inglês temporada 2014/2015(CI 2014/15), campeonato espanhol temporada 2014/2015(CE 2014/15) e campeonatos brasileiro temporadas de 2010(CB 2010) e 2012 (CB 2012). As técnicas de validação do método utilizadas foram: cross validation e sliding window. Os resultados obtidos de acordo com a metodologia proposta mostram que o CP obteve as melhores acurácias quando comparados com os outros cinco classi cadores utilizados: NB, AD, MLP, RBF e SVM. Ainda é possível a rmar que de acordo com os resultados o CP conseguiu melhorar a acurácia dos cinco classi cadores com índices superiores ao Relief e ao PCA. Também é possível a rmar de acordo com os resultados apresentados na seção 6.6, que as acurácias obtidas com essa metodologia são equivalentes ou superiores aos resultados encontrados no estado da arte, variando de 0,96 a 0,99.
Abstract: The interest of so many people in the world for football generates not only viewers but also many nancial movements around football. Computer systems that work with predic- ting results and help minimize risk and maximize pro ts make it an important tool for the day-to-day running of football. The working hypothesis of this thesis is that the Polynomial Classi er, a technique widely used as a standard classi er, can also be used as a feature selection algorithm. In order to investigate the prediction of the results of soccer matches. The Naive Bayes, decision tree, MLP, RBF and SVM algorithms were chosen. The choice of these classi ers is based on the state of the art. To validate the e cacy of the polynomial classi er, tests were carried out using the following methods: Principal Component Analy- sis(PCA) and Relief. The data used for the proposed approach were the results of soccer matches, obtained in the following championships: English championship season 2014/15 (CI 2014/15), Spanish championship season 2014/2015 (CE 2014/15) and Brazilian cham- pionships seasons of 2010 (CB 2010) and 2012 (CB 2012). The validation techniques used were: cross validation and sliding window. The results obtained according to the proposed methodology show that the CP obtained the best accuracy when compared to the other ve classi ers used: Naive Bayes(NB), Decision Tree(DT), Multilayer Perceptron(MLP), Radial Basis Function(RBF) e Supportt Vector Machine(SVM). It is still possible to a rm that from agreement with the results the CP was able to improve the accuracy of the ve clas- si ers with indices higher than Relief and PCA. It is also possible to state according to the results presented in section ref ArtData the accuracy obtained with this methodology is as good or superior to the results found in the state of the art, varying from 0.96 to 0.99. Keywords: Polynomial classi er, Recognition of patterns, prediction of football matches, selection of features.
Keywords: Engenharia elétrica
Reconhecimento de padrões
Esportes coletivos
Futebol
Classificador polinomial
Predição de partidas de futebol
Seleção de características
Polynomial classifier
Recognition of patterns
Prediction of football matches,
Selection of features.
Area (s) of CNPq: CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
Language: por
Country: Brasil
Publisher: Universidade Federal de Uberlândia
Program: Programa de Pós-graduação em Engenharia Elétrica
Quote: MARTINS, Rodrigo Grassi. Utilização do classificador polinomial como ferramenta de predição de resultados de partidas de futebol. 2017.134 f. Tese (Doutorado em Ciências) - Universidade Federal de Uberlândia, Uberlândia, 2017.
Document identifier: x
URI: https://repositorio.ufu.br/handle/123456789/21365
Date of defense: 25-Aug-2017
Appears in Collections:TESE - Engenharia Elétrica

Files in This Item:
File Description SizeFormat 
UtilizacaoClassificadorPolinomial.pdfTese6.55 MBAdobe PDFThumbnail
View/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.