Dissertação
{pt_PT=Previsão de Resultados para Desportos Coletivos } {} EVALUATED
{pt=Cada vez são criados e recolhidos mais dados em todas as áreas, no desporto não é diferente. Acredita-se que com as análises de desempenho das equipas e dos jogadores, os apostadores podem prever melhor os resultados dos jogos. O objetivo deste trabalho é definir e explorar diferentes modelos de previsão de resultados para desportos coletivos, em particular para o basquetebol (NBA e NCAA – masculino e feminino) e o futebol (Inglaterra e Portugal). Os modelos são depois integrados num protótipo de uma aplicação móvel para que um possível cliente possa ter acesso às previsões efetuadas. Neste documento, é feita uma revisão da literatura que descreve algumas abordagens anteriores no mesmo domínio, descrevendo-se ainda as estatísticas mais usuais nas duas modalidades desportivas referidas. Os diferentes modelos explorados são treinados com Naïve Bayes, Random Forests e Perceptrão Multicamada, na presença de dois tipos de dados, os dados que resumem o jogo (equipas que se defrontam e resultado alcançado) habitualmente utilizados, os dados anteriores juntamente com alguns dados de contexto, como são a caracterização do local e data do evento e os treinadores e jogadores de cada equipa. É ainda apresentado o protótipo da aplicação móvel desenvolvido, mostrando-se que as previsões efetuadas apresentam acertos na ordem dos 70% para a NCAA e 60% para a NBA, e de cerca de 60% para o futebol português e aproximadamente de 54% para o futebol inglês., en=Every time more data is created and collected in all areas, in sport it is no different. It is believed that with the analysis of the performance of teams and players, bettors can better predict the results of the games. The objective of this work is to define and explore different models of prediction of results for collective sports, in particular for basketball (NBA and NCAA - men and women) and football (England and Portugal). The models are then integrated into a prototype of a mobile application so that a prospective customer can access the predictions made. In this document, a review of the literature is described that describes some previous approaches in the same domain, also describing the most usual statistics in the two mentioned sports modalities. The different exploited models are trained with Naïve Bayes, Random Forests and Multi-layer Perceptron, in the presence of two types of data, the data that summarizes the game (teams that face and result achieved) usually used, previous data together with some data context and how they characterize the venue and date of the event and the coaches and players of each team. It is also presented the prototype of the mobile application developed, showing that the predictions made correct in the order of 70% for the NCAA and 60% for the NBA, and about 60% for Portuguese football and approximately 54% for the English football.}
julho 18, 2018, 15:0
Publicação
Obra sujeita a Direitos de Autor
Orientação
