Redes neuronais para a previsão do resultado de jogos de futebol
| Autor: | Fialho, Gabriel Pinto |
|---|---|
| Přispěvatelé: | Teixeira, João Paulo, Manhães, Aline Gesualdi |
| Jazyk: | portugalština |
| Rok vydání: | 2021 |
| Předmět: | |
| Zdroj: | Repositório Científico de Acesso Aberto de Portugal Repositório Científico de Acesso Aberto de Portugal (RCAAP) instacron:RCAAP |
| Popis: | Mestrado de dupla diplomação com o Centro Federal de Educação Tecnológica Celso Suckow da Fonseca - CEFET/RJ Este trabalho tem como objetivo prever o resultado em forma de vitória/empate/derrota do confronto de duas equipas de futebol usando redes neuronais artificiais e dados estatísticos da performance das duas equipas e seus jogadores ao longo do tempo. É também um objetivo verificar se é realmente possível realizar essa previsão. Foram coletadas estatísticas de cerca de 26 mil partidas de 13 ligas diferentes, entre elas o número de cantos, golos, avaliações dos jogadores. Depois, foi feita uma análise visual do conjunto de dados e realizado testes com diferentes formas de organizações históricas das estatísticas que comprovou que a média simples de 20 partidas anteriores apresenta a melhor performance, entre outras testadas. Foi utilizada inicialmente uma rede neuronal “feedforward” com 100 neurônios em sua camada de entrada, 80 na camada seguinte, 5 e 3 nas camadas restantes. Além disso foi utilizada camadas de regularização do modo “dropout” entre todas as camadas de neurônios. Com esse modelo foi obtido 51.8% de exatidão no conjunto teste de 2500 partidas. Em seguida foi feita uma análise da relevância de cada dado estatístico e a criação de novos dados a partir dos dados iniciais. Além de realizar a otimização automática dos hiperparâmetros da rede neuronal utilizando a pesquisa em grade a fim de obter a melhor performance. Após os procedimentos descritos, foi obtido, entre outros, 60,9% de exatidão nas partidas da Liga NOS de Portugal, 58,1% em partidas da Liga da Turquia e 57,2% nas partidas da Premier League da Inglaterra. Como resultado final, o modelo obteve 52,8% de exatidão no conjunto teste de 2500 partidas. Em alguns casos, por exemplo quando o modelo previu com uma probabilidade maior que 60% da equipa da casa vencer, a exatidão subiu para 80,3%. Esses resultados comprovam que é possível realizar a previsão de partidas de futebol utilizando redes neuronais artificiais. This study aims to predict soccer matches in the form of victory, draw or defeat and observe if soccer matches are predictable. Artificial Intelligence techniques were used in the form of Artificial Neuronal Networks in addition with statistics data from past matches such as players and team ratings, corners, goals. Data from more than 26,000 matches were collected from 13 different leagues throughout the world. Furthermore, graphics were plotted to visualize the distribution of the variables between the three different outcomes to conclude if the data, in fact, have correlation with the results. In addition, the data was organized in historical form and tested in different ways such as weighted average of past 7 matches, average of past 20 matches and exponential weighted moving average with different alphas. Moreover, more statistics were generated with the initial dataset such as Pi-rating and Streak. To test the different historical organization of the data, a feed-forward Neuronal Network with 100 neurons on the first layer, 80 on the second, 5 on the third and 3 on the last layer was used. Between the layers a Dropout layer was used to prevent the model of overfitting. The average of the 20 past matches had the best result with 51.8% of accuracy on the 2500 matches of the test dataset. Furthermore, more data was generated using the original ones to increase the accuracy. In addition, a grid-search was used to find the hyper-parameters which had the best performance. Moreover, the model successfully predicted 60.9% matches of Portugal Liga NOS, 58.1% matches of Super Lig of Turkey, 57.2% matches of England Premier League. The artificial neuronal network successfully predicted the 2,500 matches of the test data with an accuracy of 52.8%. In addition, in some specific cases, for example when the network predicted that home team would win with more than 60% probability, the accuracy increased up to 80.3%. This conclude that, in fact, soccer matches can be predicted using neuronal networks. |
| Databáze: | OpenAIRE |
| Externí odkaz: |
|