Utilizando abordagens de aprendizado de máquina para prever resultados de jogos: o caso da liga nacional de futsal

O uso de técnicas de aprendizado de máquina na área esportiva cresce dia a dia. Áreas como análise esportiva, previsão de resultados e prevenção de contusões se apoiam cada mais nessas técnicas para obterem resultados mais eficazes. Neste contexto, este trabalho tem como objetivo prever os resultados de partidas de futsal da Liga Nacional de Futsal (LNF) (vencedor mandante, vencedor visitante e empate) utilizando os dados gerados durante o primeiro tempo da partida. Os dados foram extraídos do sítio da LNF e, além, dos atributos extraídos, seis novos atributos baseados na força dos times foram propostos. Os dados correspondem às temporadas de 2016 a 2019. A previsão dos resultados é feita através de modelos construídos por algoritmos de aprendizado de máquina. A validação do modelo foi feita através da acurácia dos resultados de previsão. Foram criados dez modelos de previsão e os resultados foram organizados da seguinte forma: o desempenho individual de cada modelo e um comitê de votação em que o resultado mais votado é o resultado utilizado na previsão. Resultados apontam que os modelos individuais possuem melhores desempenhos em prever um resultado específico (e.g., vitória do mandante) chegando a 95% de acurácia. Por outro lado, o comitê obteve um melhor desempenho nos resultados agrupados, chegando a quase 79% de acurácia.

Acessar