Use este identificador para citar ou linkar para este item:
https://rd.uffs.edu.br/handle/prefix/3348
Registro completo de metadados
Campo DC | Valor | Idioma |
---|---|---|
dc.contributor.advisor1 | Duarte, Denio | - |
dc.creator | Brutti, Nicholas Sangoi | - |
dc.date | 2019 | - |
dc.date.accessioned | 2020-01-28T14:39:02Z | - |
dc.date.available | 2019 | - |
dc.date.available | 2020-01-28T14:39:02Z | - |
dc.date.issued | 2019 | - |
dc.identifier.uri | https://rd.uffs.edu.br/handle/prefix/3348 | - |
dc.description.abstract | Substitutions of players are determining resources for the outcome of a football match. Due to the relevance and limitation of substitutions in official matches, several studies have been conducted to propose an optimal way to substitute a player. That is the best moment or the best strategy. This work proposes to apply and compare machine learning algorithms to classify the second and third substitution of the visiting team as effective or not, through the creation of two distinct models. As the input data set, we use data from four years of the Brazilian Soccer Championship (2015-2018). Using 30% of the data set to test the models, the results show that it is possible to predict the effectiveness of the second substitution with 78.39% accuracy and the third with 86.93% accuracy. | pt_BR |
dc.description.resumo | As substituições de jogadores são recursos determinantes para o resultado de uma partida de futebol. Dado sua relevância e limitação em partidas oficias, as substituições foram assunto de diversos estudos, com o intuito de fornecer dados de forma estruturada para auxílio na tomada de decisão, por parte das equipes técnicas. Este trabalho, propõe aplicar e comparar algoritmos de aprendizado de máquina, no sentido de classificar a segunda e a terceira substituição do time visitante como efetiva ou não, através da criação de dois modelos distintos. Como conjunto de dados, utilizou-se os dados históricos de cinco anos do Campeonato Brasileiro de Futebol. Os resultados do experimento com 30% dos dados destinados para teste, demonstram que foi possível predizer a efetividade da segunda substituição com 78.39% de acurácia, já a terceira com 86.93%. | pt_BR |
dc.description.provenance | Submitted by SUELEN SPINDOLA BILHAR (suelen.bilhar@uffs.edu.br) on 2019-11-19T14:04:28Z No. of bitstreams: 1 BRUTTI.pdf: 2428829 bytes, checksum: 222a33dd81ae5836a8f83075bc7df9ef (MD5) | en |
dc.description.provenance | Approved for entry into archive by Franciele Scaglioni da Cruz (franciele.cruz@uffs.edu.br) on 2020-01-28T14:39:02Z (GMT) No. of bitstreams: 1 BRUTTI.pdf: 2428829 bytes, checksum: 222a33dd81ae5836a8f83075bc7df9ef (MD5) | en |
dc.description.provenance | Made available in DSpace on 2020-01-28T14:39:02Z (GMT). No. of bitstreams: 1 BRUTTI.pdf: 2428829 bytes, checksum: 222a33dd81ae5836a8f83075bc7df9ef (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 | Algoritmos | pt_BR |
dc.subject | Futebol | pt_BR |
dc.subject | Tomada de decisão | pt_BR |
dc.title | Aprendizado de máquina aplicado à previsão da efetividade de substituições de jogadores no Campeonato Brasileiro de Futebol série A | pt_BR |
dc.type | Monografia | pt_BR |
Aparece nas coleções: | Ciência da Computação |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
BRUTTI.pdf | 2,37 MB | Adobe PDF | Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.