mlSoccer: ferramenta baseada em aprendizagem automática para investigar fatores que influenciam o sucesso do passe

• Autor(a) principal: Muacho, Hugo Vítor Carapinha
• Data de Publicação: 2023
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
• Texto Completo: http://hdl.handle.net/10071/28496
• topic: Aprendizagem automática; Árvore de decisão -- Decision tree; Máquinas de vetor de suporte; Futebol; Avaliação do desempenho -- Performance evaluation; Sucesso do passe; Machine learning; Support vetor machine; Soccer; Pass success

Esta dissertação tem como principal objetivo compreender e investigar, através de árvores de decisão e máquinas de vetores de suporte, os fatores que influenciam o sucesso do passe. A metodologia utilizada é o CRISP DM, usando três iterações do seu ciclo de vida. Na primeira iteração utilizaram-se as variáveis: área do Voronoi, distância à baliza e variável de saída a continuação da posse de bola. Segundo o especialista consultado, os resultados estavam longe do esperado. Na segunda iteração é utilizada a mesma base de dados, considerando o penúltimo e último evento (passe) da jogada. Nesta fase não foram encontradas ligações entre a distância à baliza e área total do Voronoi no sucesso ou não do passe. Na última iteração são realizadas três experiências com diferentes conjuntos de dados obtidos da mesma base de dados: um contendo dados posicionais e área de Voronoi dos jogadores, outro contendo somente os dados do jogador que executa o passe, o terceiro considerando o portador da bola e os companheiros e adversários mais próximos. Os resultados obtidos do primeiro conjunto de dados indicam que a importância relativa das variáveis é dependente do jogo e de alguma forma relacionada com a formação das equipas e missão tática dos jogadores. No segundo conjunto de variáveis os resultados indicam que as variáveis mais importantes são a área do Voronoi e a distância à baliza sendo as coordenadas dos jogadores pouco relevantes. O terceiro conjunto, mais diretamente relacionado ao processo de aprovação, proporcionou uma classificação mais consistente das características. Valores baixos da medida F e precisão mostram que as variáveis e os fatores que levam ao sucesso da aprovação são de fato elusivos.