Use este identificador para citar ou linkar para este item:
http://hdl.handle.net/11624/2157
Registro completo de metadados
Campo DC | Valor | Idioma |
---|---|---|
dc.contributor.author | Schmidt, Henrique Luis | - |
dc.type | Trabalho de Conclusão de Curso | pt_BR |
dc.language.iso | pt_BR | pt_BR |
dc.title | Uso de técnicas de aprendizado de máquina no auxílio em previsão de resultados de partidas de futebol. | pt_BR |
dc.date.issued | 2017 | - |
dc.degree.local | Santa Cruz do Sul | pt_BR |
dc.contributor.advisor | Frozza, Rejane | - |
dc.degree.department | Curso de Ciência da Computação | pt_BR |
dc.description.abstract | Football is one of the most popular sports in the world, the betting market in this sport is a multibillionaire industry and helping the prediction of a football match is not something easy, because there are many factors that influence it. For all these reasons, the prediction of football matches is an important research problem and the machine learning techniques usage is indicated. According to (MITCHELL, 1997), machine learning aghoritms are specially useful when there is a big database and hidden regularities can be found. In this context, this work goal is to develop a system that can help predicting the result of a football match, having as an output the match result with greater chances to occur. The methodoly defined to this work involved a bibliographic research to found related works, the analysis of these works to define the techniques, the attributes and the system validation, that was made comparing the real results with the predicted ones. To develop this system, statistical data from matches in the Premier League and hability data from players in the computer game Fifa were used. The techniques Random Forest, Support Vector Machine and Artificial Neural Networks were developed and the best result was 58.77% of accuracy in the match predictions. | pt_BR |
dc.description.nota | Inclui bibliografia. | pt_BR |
dc.subject.other | Inteligência artificial | pt_BR |
dc.subject.other | Redes neurais (Computação) | pt_BR |
dc.subject.other | Futebol - Recursos de redes de computadores | pt_BR |
dc.subject.other | Futebol - Simulação por computador | pt_BR |
dc.identifier.uri | http://hdl.handle.net/11624/2157 | - |
dc.date.accessioned | 2018-08-10T20:21:54Z | - |
dc.date.available | 2018-08-10T20:21:54Z | - |
dc.degree.grantor | Universidade de Santa Cruz do Sul | pt_BR |
dc.description.resumo | O futebol é um dos esportes mais populares do mundo, o mercado de apostas neste esporte é uma indústria multibilionária e auxiliar na previsão do resultado de uma partida de futebol não é algo trivial, pois há diversos fatores que o influenciam. Por isso, a previsão de resultados de futebol é um problema de pesquisa importante e o uso de técnicas de aprendizado de máquina é indicado. Segundo (MITCHELL, 1997), algoritmos de aprendizado de máquina são especialmente úteis em domínios onde há uma grande base de dados e regularidades ocultas podem ser descobertas. Neste contexto, o objetivo do trabalho é desenvolver um sistema que possa auxiliar na previsão do resultado de uma partida de futebol, tendo como saída o resultado com maior chance de ocorrência para uma partida. A metodologia definida para este trabalho envolveu uma pesquisa bibliográfica para encontrar trabalhos relacionados, a análise destes para definir as técnicas, os atributos utilizados e a validação do sistema desenvolvido, que foi feita comparando resultados ocorridos com as previsões. Para desenvolver este sistema, foram utilizados dados estatísticos de partidas de equipes do campeonato inglês e dados de habilidade de clubes e jogadores do jogo de computador Fifa. As técnicas Random Forest, Support Vector Machine e Redes Neurais foram desenvolvidas e o melhor resultado atingido foi 58,77% de acertos na previsão dos resultados das partidas. | pt_BR |
Aparece nas coleções: | Ciência da Computação |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
Henrique Luis Schmidt.pdf | 1.94 MB | Adobe PDF | Visualizar/Abrir |
Este item está licenciado sob uma Licença Creative Commons