Aplicação de técnicas de mineração de dados para previsão de jogos de basquete
Autor(a) principal: | |
---|---|
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 |
Resumo: | 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. |
id |
UVAT_3cda1cad77f40ca952a530bd002d0fbd |
---|---|
oai_identifier_str |
oai:univates.br:10737/2544 |
network_acronym_str |
UVAT |
network_name_str |
Repositório Institucional da UNIVATES (Biblioteca Digital da Univates - BD) |
repository_id_str |
1 |
spelling |
Wolf, Alexandre Stürmerhttp://lattes.cnpq.br/0591097928246945Bogoni, João Pedro2019-08-19T20:05:51Z2019-08-19T20:05:51Z2019-062019-07-01A 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.Data Mining has been attracting a great deal of interest in finding information in broad areas of expertise. In the sports field one of the big interests is the ability to predict game results. Basketball in particular offers a set of statistical attributes to each game, which can be exploited to uncover performance trends. This work focuses on the application of data mining and machine learning techniques to predict the outcome of National Basketball Association (NBA) games. For that, statistical data from five seasons of NBA games are used. The results obtained by different machine learning techniques are compared to find the most efficient way to predict the results of the games. After the training of the models and their application on the test set, it was verified that the Multi-Layer Perceptron (MLP) and Logistic Regression algorithms obtained the best accuracy, reaching a percentage of 68.04% and 67.94%, respectively. The results are also compared with those obtained from other works of the same research field, thus verifying that the performance of the forecast models was very close.-1BOGONI, João Pedro. Aplicação de técnicas de mineração de dados para previsão de jogos de basquete. 2019. Monografia (Graduação em Sistemas de Informação) – Universidade do Vale do Taquari - Univates, Lajeado, 01 jul. 2019. Disponível em: http://hdl.handle.net/10737/2544. http://hdl.handle.net/10737/2544http://creativecommons.org/licenses/by/4.0/info:eu-repo/semantics/openAccessCETMineração de DadosAprendizado de MáquinaBasquetePrevisãoData MiningMachine LearningBasketballPredictionAplicação de técnicas de mineração de dados para previsão de jogos de basqueteinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisporreponame:Repositório Institucional da UNIVATES (Biblioteca Digital da Univates - BD)instname:Centro Universitário Univates (UNIVATES)instacron:UNIVATESCC-LICENSElicense_urllicense_urltext/plain43https://www.univates.br/bdu/bitstreams/156cf529-f929-4d56-b7af-8ee50e8c1d8e/download321f3992dd3875151d8801b773ab32edMD52license_textlicense_texttext/html; charset=utf-80https://www.univates.br/bdu/bitstreams/001fd108-0a15-4890-ad58-1ff04243a1a8/downloadd41d8cd98f00b204e9800998ecf8427eMD53license_rdflicense_rdfapplication/rdf+xml; charset=utf-80https://www.univates.br/bdu/bitstreams/81c72590-486b-42c7-9409-87827d50deed/downloadd41d8cd98f00b204e9800998ecf8427eMD54LICENSElicense.txtlicense.txttext/plain4590https://www.univates.br/bdu/bitstreams/4c2b6bc7-b56a-4b1d-9782-5dd287669aee/download7106d982c97d9dedde10c42095e11d10MD55ORIGINAL2019JoaoPedroBogoni.pdf2019JoaoPedroBogoni.pdfapplication/pdf955951https://www.univates.br/bdu/bitstreams/c2817057-2522-4530-bd3c-9843d1e20659/download55d58eafbd50aafc9a0bad04df55e4ddMD51TEXT2019JoaoPedroBogoni.pdf.txt2019JoaoPedroBogoni.pdf.txtExtracted texttext/plain101480https://www.univates.br/bdu/bitstreams/b24f5a50-5d75-43b5-9814-fcb8f96474c4/download6a486eb9eb7393b613bab2e73233ed4bMD510THUMBNAIL2019JoaoPedroBogoni.pdf.jpg2019JoaoPedroBogoni.pdf.jpgGenerated Thumbnailimage/jpeg4382https://www.univates.br/bdu/bitstreams/aa07f081-ab3e-469e-a11a-a4a44b4f59d9/download6be85c9efb0acc621ccd30da6cc05da1MD51110737/25442023-06-26 11:50:34.664http://creativecommons.org/licenses/by/4.0/openAccessoai:univates.br:10737/2544https://www.univates.br/bduRepositório InstitucionalPRIhttp://www.univates.br/bdu_oai/requestopendoar:12023-06-26T11:50:34Repositório Institucional da UNIVATES (Biblioteca Digital da Univates - BD) - Centro Universitário Univates (UNIVATES)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 |
dc.title.pt_BR.fl_str_mv |
Aplicação de técnicas de mineração de dados para previsão de jogos de basquete |
title |
Aplicação de técnicas de mineração de dados para previsão de jogos de basquete |
spellingShingle |
Aplicação de técnicas de mineração de dados para previsão de jogos de basquete Bogoni, João Pedro CET Mineração de Dados Aprendizado de Máquina Basquete Previsão Data Mining Machine Learning Basketball Prediction |
title_short |
Aplicação de técnicas de mineração de dados para previsão de jogos de basquete |
title_full |
Aplicação de técnicas de mineração de dados para previsão de jogos de basquete |
title_fullStr |
Aplicação de técnicas de mineração de dados para previsão de jogos de basquete |
title_full_unstemmed |
Aplicação de técnicas de mineração de dados para previsão de jogos de basquete |
title_sort |
Aplicação de técnicas de mineração de dados para previsão de jogos de basquete |
author |
Bogoni, João Pedro |
author_facet |
Bogoni, João Pedro |
author_role |
author |
dc.contributor.advisor1.fl_str_mv |
Wolf, Alexandre Stürmer |
dc.contributor.advisor1Lattes.fl_str_mv |
http://lattes.cnpq.br/0591097928246945 |
dc.contributor.author.fl_str_mv |
Bogoni, João Pedro |
contributor_str_mv |
Wolf, Alexandre Stürmer |
dc.subject.cnpq.fl_str_mv |
CET |
topic |
CET Mineração de Dados Aprendizado de Máquina Basquete Previsão Data Mining Machine Learning Basketball Prediction |
dc.subject.por.fl_str_mv |
Mineração de Dados Aprendizado de Máquina Basquete Previsão Data Mining Machine Learning Basketball Prediction |
description |
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. |
publishDate |
2019 |
dc.date.submitted.none.fl_str_mv |
2019-07-01 |
dc.date.accessioned.fl_str_mv |
2019-08-19T20:05:51Z |
dc.date.available.fl_str_mv |
2019-08-19T20:05:51Z |
dc.date.issued.fl_str_mv |
2019-06 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
format |
bachelorThesis |
status_str |
publishedVersion |
dc.identifier.citation.fl_str_mv |
BOGONI, João Pedro. Aplicação de técnicas de mineração de dados para previsão de jogos de basquete. 2019. Monografia (Graduação em Sistemas de Informação) – Universidade do Vale do Taquari - Univates, Lajeado, 01 jul. 2019. Disponível em: http://hdl.handle.net/10737/2544. |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/10737/2544 |
identifier_str_mv |
BOGONI, João Pedro. Aplicação de técnicas de mineração de dados para previsão de jogos de basquete. 2019. Monografia (Graduação em Sistemas de Informação) – Universidade do Vale do Taquari - Univates, Lajeado, 01 jul. 2019. Disponível em: http://hdl.handle.net/10737/2544. |
url |
http://hdl.handle.net/10737/2544 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
http://creativecommons.org/licenses/by/4.0/ info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
http://creativecommons.org/licenses/by/4.0/ |
eu_rights_str_mv |
openAccess |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UNIVATES (Biblioteca Digital da Univates - BD) instname:Centro Universitário Univates (UNIVATES) instacron:UNIVATES |
instname_str |
Centro Universitário Univates (UNIVATES) |
instacron_str |
UNIVATES |
institution |
UNIVATES |
reponame_str |
Repositório Institucional da UNIVATES (Biblioteca Digital da Univates - BD) |
collection |
Repositório Institucional da UNIVATES (Biblioteca Digital da Univates - BD) |
bitstream.url.fl_str_mv |
https://www.univates.br/bdu/bitstreams/156cf529-f929-4d56-b7af-8ee50e8c1d8e/download https://www.univates.br/bdu/bitstreams/001fd108-0a15-4890-ad58-1ff04243a1a8/download https://www.univates.br/bdu/bitstreams/81c72590-486b-42c7-9409-87827d50deed/download https://www.univates.br/bdu/bitstreams/4c2b6bc7-b56a-4b1d-9782-5dd287669aee/download https://www.univates.br/bdu/bitstreams/c2817057-2522-4530-bd3c-9843d1e20659/download https://www.univates.br/bdu/bitstreams/b24f5a50-5d75-43b5-9814-fcb8f96474c4/download https://www.univates.br/bdu/bitstreams/aa07f081-ab3e-469e-a11a-a4a44b4f59d9/download |
bitstream.checksum.fl_str_mv |
321f3992dd3875151d8801b773ab32ed d41d8cd98f00b204e9800998ecf8427e d41d8cd98f00b204e9800998ecf8427e 7106d982c97d9dedde10c42095e11d10 55d58eafbd50aafc9a0bad04df55e4dd 6a486eb9eb7393b613bab2e73233ed4b 6be85c9efb0acc621ccd30da6cc05da1 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UNIVATES (Biblioteca Digital da Univates - BD) - Centro Universitário Univates (UNIVATES) |
repository.mail.fl_str_mv |
|
_version_ |
1801842335740329984 |