Publicação: Predição de resultados do campeonato brasileiro de futebol com aprendizado de máquina
Carregando...
Tipo do documento
Data
Direito de acesso
Programa
Área do conhecimento
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::SISTEMAS DE COMPUTACAO
Título da Revista
ISSN da Revista
Título de Volume
Autores
Orientador
Coorientador
Resumo
Este trabalho propôs a construção de modelos preditivos para prever resultados em parti
das de futebol, utilizando algoritmos de aprendizado de máquina em dois cenários distin
tos: com e sem a possibilidade de empates. No cenário com empates, os modelos Logistic
Regression e XGBoost apresentaram acurácia de 75%, sendo que o XGBoost também
se destacou no F1-score. O LightGBM obteve o maior número de verdadeiros positivos
para vitórias do time visitante, embora com elevado número de falsos positivos. A análise
com SHAP possibilitou a identificação de variáveis determinantes, como odds e valores
de mercado das equipes, que influenciam diretamente nas decisões dos modelos. Após a
seleção das variáveis mais relevantes, observou-se leve aprimoramento no desempenho do
LightGBM. No cenário sem empates, todas as métricas foram favorecidas: a Regressão
Logística manteve-se como a mais precisa, o LightGBM apresentou o melhor F1-score e
menor desvio padrão, e o XGBoost destacou-se pela identificação equilibrada das vitórias
visitantes. Os resultados evidenciam que a formulação do problema impacta significati
vamente o desempenho dos modelos e que a interpretação dos dados é fundamental para
aprimorar a capacidade preditiva das abordagens utilizadas.
Abstract
Palavras-chave
Aprendizado de máquina, Previsão de resultados, Futebol, Análise de desempenho
Citação
IZIDORO, João Vitor Santos. Predição de resultados do campeonato brasileiro de futebol: Comparação de modelos e análise de decisões. 2025. 47 f. Trabalho de Conclusão de Curso (Graduação em Sistemas de Informação) – Universidade Federal de Uberlândia, Uberlândia, 2025.
DOI
Avaliação
Revisão
Suplementado Por
Referenciado Por
Licença Creative Commons
Exceto quando indicado de outra forma, a licença deste item é descrita como Acesso Aberto