CONVITE PARA DEFESA DE DISSERTAÇÃO - Felipe Augusto Pereira Fernandes
A Coordenação do Programa de Pós-Graduação em Modelagem Matemática e Computacional tem o prazer de convidar a comunidade científica para a 264ª sessão pública de apresentação e defesa da dissertação de Mestrado:
CANDIDATO: FELIPE AUGUSTO PEREIRA FERNANDES
|
TÍTULO: |
“PREVISÃO DE RESULTADOS NO FUTEBOL POR MEIO DE TÉCNICAS DE APRENDIZADO DE MÁQUINA” |
BANCA EXAMINADORA
|
TITULARES: |
|
|
|
Prof. Dr. Flávio Vinícius Cruzeiro Martins |
CEFET-MG |
|
|
Prof. Dr. Anisio Mendes Lacerda |
CEFET-MG |
|
|
Prof. Dr. Daniel Hasan Dalip |
CEFET-MG |
|
|
Prof. Dr. Paulo Eduardo Maciel de Almeida |
CEFET-MG |
|
|
LOCAL: |
Sala 401 DECOM, Campus II, CEFET-MG Av. Amazonas, 7675 - Nova Gameleira |
|
|
DIA: |
19 de fevereiro de 2019 - Terça-feira |
|
|
HORA: |
10 horas |
|
|
RESUMO: Futebol é considerado o esporte mais popular do mundo. Por isso, existe um grande interesse em saber quem será o vencedor de uma partida com impactos sociais e econômicos ao redor do mundo. A partir de dados básicos de desempenho, extraídos dos placares dos jogos, este trabalho tem o objetivo de estudar o desempenho dos algoritmos de aprendizado de máquina aplicados à predição de jogos de futebol: vitória do mandante, empate ou vitória do visitante. Propusemos um modelo de dados para predição de jogos de futebol e investigamos os modelos de aprendizado com tarefas de regressão e classificação aplicando técnicas de redução de dimensão. Os algoritmos utilizados para regressão foram: Regressão Linear (RegLin), K vizinhos mais próximos (KNN), Random Forest (RF) e Gradient Boosting (GB). Para classificação: Regressão Logística (RegLog), Random Forest (RF),Gradient Boosting (GB), Naive Bayes (NB) e K vizinhos mais próximos (KNN). Para os algoritmos de regressão, o valor referência passou a ser o saldo de gols, pois é um número inteiro que varia num intervalo . Para mapear o saldo predito em classe, criamos uma função que recebe o saldo de gols predito e um parâmetro que deve ser ajustado K. Caso o saldo predito for: maior que K é vitória do mandante; menor que −K vitória do visitante; caso contrario empate. O melhor algoritmo, em relação ao F1-score, foi o GB aplicado a tarefa de regressão utilizando o modelo proposto neste estudo com K igual a 0.25. Este modelo apresentou um F1-score de 0.509 e uma acurácia de 52.78%. Aplicando esse modelo em apostas esportivas, ele se mostrou robusto em relação a lucratividade, com rentabilidade superior a índices de referência como IBOV e a taxa básica de juros do Brasil, a taxa SELIC.
Palavras chave: Futebol, Predição, Aprendizado de Máquina, Predição de jogos de Futebol, Apostas. |
||