Use este identificador para citar ou linkar para este item:
https://rd.uffs.edu.br/handle/prefix/3346
Registro completo de metadados
Campo DC | Valor | Idioma |
---|---|---|
dc.contributor.advisor1 | Duarte, Denio | - |
dc.creator | Coppini, Jefferson Alexandre | - |
dc.date | 2019 | - |
dc.date.accessioned | 2020-01-28T11:50:21Z | - |
dc.date.available | 2019 | - |
dc.date.available | 2020-01-28T11:50:21Z | - |
dc.date.issued | 2019 | - |
dc.identifier.uri | https://rd.uffs.edu.br/handle/prefix/3346 | - |
dc.description.abstract | Based on the tremendous technological advances, the data volume has increased accordingly. Machine learning has gained relevance, helping many areas find patterns in large volumes of data. Sportisoneofthisarea. Researchesareusinglearningtechniquestopredictmatchresults and predict game situations. In this paper, we will present the steps to create ten models, based ontechniquesandconceptsofmachinelearning,topredicttheresultsofmatchesintheNational Futsal League of Brazil. The models use data from the first half of a match and historical factorsoftheteam. Duringthemodelingphase,featuresbasedonhistoricalfactorswerecreated that improved the performance of the model. The experiments performed show the models have good results concerning the accuracy, especially Random Forest and Gradient Boosting. Another contribution of this work is the committees of models. We use the committees to improve the overall accuracy, and we get better results about the individual performances. The predictions for the winning of the local team shows that the committees are essential in the prediction phase. | pt_BR |
dc.description.resumo | Com base nos grandes avanços tecnológicos atuais, o volume de informações em forma de dados se torna cada vez maior. Atrelada a isso, a aprendizagem de máquina ganhou relevância, ajudando muitas áreas a encontrar padrões em grandes volumes de dados para auxiliar em problemas específicos. Uma dessas áreas, o esporte, vem utilizando técnicas de aprendizado para predizerresultadosdepartidas, otimizardesempenhoepreversituaçõesdejogo. Nestetrabalho em especial, serão apresentadas as etapas para criação de dez modelos de predição, baseados em técnicas e conceitos de aprendizado de máquina, onde tais modelos têm por objetivo prever resultados de partidas da Liga Nacional de Futsal do Brasil, com base em dados do primeiro tempo e fatores históricos da equipe. Durante a etapa de modelagem foram criadas features baseadas em fatores históricos que melhoraram o desempenho do modelo. Os experimentos realizados mostraram bons resultados em relação à acurácia individual, principalmente os algoritmos Random Forest e Gradient Boosting, os quais tiveram maior destaque segundo os experimentos realizados. Ainda como resultado deste trabalho, foram analisados os resultados de comitês de modelos em determinados cenários, o que caracterizou significativa melhora em relação à análise individual dos algoritmos, principalmente para previsões na classe mandante, concretizando assim a contribuição deste trabalho. | pt_BR |
dc.description.provenance | Submitted by SUELEN SPINDOLA BILHAR (suelen.bilhar@uffs.edu.br) on 2019-11-19T13:52:10Z No. of bitstreams: 1 COPPINI.pdf: 2689276 bytes, checksum: 21db837dd4489ac9c59da4f195b359c1 (MD5) | en |
dc.description.provenance | Approved for entry into archive by Franciele Scaglioni da Cruz (franciele.cruz@uffs.edu.br) on 2020-01-28T11:50:21Z (GMT) No. of bitstreams: 1 COPPINI.pdf: 2689276 bytes, checksum: 21db837dd4489ac9c59da4f195b359c1 (MD5) | en |
dc.description.provenance | Made available in DSpace on 2020-01-28T11:50:21Z (GMT). No. of bitstreams: 1 COPPINI.pdf: 2689276 bytes, checksum: 21db837dd4489ac9c59da4f195b359c1 (MD5) Previous issue date: 2019 | en |
dc.language | por | pt_BR |
dc.publisher | Universidade Federal da Fronteira Sul | pt_BR |
dc.publisher.country | Brasil | pt_BR |
dc.publisher.department | Campus Chapecó | pt_BR |
dc.publisher.initials | UFFS | pt_BR |
dc.rights | Acesso Aberto | pt_BR |
dc.subject | Aprendizado computacional | pt_BR |
dc.subject | Predição | pt_BR |
dc.subject | Análise de desempenho | pt_BR |
dc.title | Usando aprendizagem de máquina na criação de modelos para predizer resultados da Liga Nacional de Futsal do Brasil | pt_BR |
dc.type | Monografia | pt_BR |
Aparece nas coleções: | Ciência da Computação |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
COPPINI.pdf | 2,63 MB | Adobe PDF | Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.