Aplicação de técnicas de mineração de dados para previsão de jogos de basquete

• Autor(a) principal: Bogoni, João Pedro
• Data de Publicação: 2019
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Repositório Institucional da UNIVATES (Biblioteca Digital da Univates - BD)
• Texto Completo: http://hdl.handle.net/10737/2544
• topic: CET; Mineração de Dados; Aprendizado de Máquina; Basquete; Previsão; Data Mining; Machine Learning; Basketball; Prediction

A Mineração de dados vem atraindo um grande interesse na descoberta de informações em abrangentes áreas de atuação. Na área esportiva um dos grandes interesses é a capacidade de prever resultados de jogos. O basquete em especial, oferece um conjunto de atributos estatísticos a cada jogo, que podem ser explorados para descobrir tendências de performance. Este trabalho concentra-se na aplicação de técnicas de mineração de dados e aprendizado de máquina para prever o resultado de jogos da National Basketball Association (NBA). Para isso, são utilizados dados estatísticos de cinco temporadas de jogos da NBA. Os resultados obtidos por diferentes técnicas de aprendizado de máquina, são comparados para encontrar a forma mais eficiente para prever os resultados dos jogos. Após o treinamento dos modelos e aplicação dos mesmos sobre o conjunto de teste, foi constatado que os algoritmos Multi-Layer Perceptron (MLP) e Logistic Regression obtiveram a melhor acuracidade, atingindo um percentual de 68.04% e 67.94% respectivamente. Os resultados também são comparados com aqueles obtidos de outros trabalhos do mesmo campo de pesquisa, verificando assim que o desempenho dos modelos de previsão foi muito próximo.