Análise de Variáveis em Partidas de Futebol: Previsão de Resultados com Naïve Bayes e Poisson

  • Rodrigo Sehnem UNISC
  • Rejane Frozza UNISC
  • Daniela Duarte da Silva Bagatini UNISC
  • Daniela Saccol Peranconi UNISC

Resumo


O objetivo desse trabalho é analisar conjuntos de variáveis que podem ter mais influência na previsão do resultado de uma partida de futebol, utilizando técnicas como cálculos de probabilidade e algoritmos de previsão, com a intenção de obter lucros em apostas. As técnicas utilizadas para o desenvolvimento foram redes bayesianas, com o algoritmo Naïve Bayes, e a de probabilidade, baseada no cálculo de Poisson. Os dados utilizados para treinamento foram do Campeonato Brasileiro, entre 2010 a 2017, sendo considerados os dados dos anos de 2018 e 2019 para testes. Os principais resultados atingidos foram de 53% de acerto do resultado de uma partida e as principais variáveis envolvidas foram força de ataque e força de defesa.

Referências

Baboota, R.; Kaur, H. Predictive analysis and modelling football results using machine learning approach for English Premier League. International Journal of Forecasting. Vol 35, Nro 2. 2018.

Barbosa, R. M.; Nacano, L. R.; Freitas, R.; Batista, B. L.; Barbosa Jr, F. The use of decision trees, naïve Bayes algorithms, and trace element patterns for controlling the authenticity of free-range-pastured hens’ eggs. Journal of food science, Wiley Online Library, v. 79, n. 9, p. C1672–C1677, 2014.

Carpita, M.; Sandri, M.; Simonetto, A.; Zuccolotto, P. Discovering the Drivers of Football Match Outcomes with Data Mining, Quality Technology & Quantitative Management, Vol. 12:4, p. 561-577, 2015.

Chagas, J. M. A (im)possibilidade de regulamentação das apostas esportivas no ordenamento jurídico brasileiro. Florianópolis: UFSC. 2016. (Trabalho de Conclusão) Constantinou, A. C; Fenton, N. E. Towards smart-data: Improving predictive accuracy in long-term football team performance, Knowledge-Based Systems, 124 (2017), p. 93104, 2017.

Esme, E.; Kiran, M. S. Prediction of Football Match Outcomes Based on Bookmaker Odds by Using k-Nearest Neighbor Algorithm, International Journal of Machine Learning and Computing, Vol. 8, No. 1, 2018.

Fayyad, U.; Piatetsky-Shapiro, G.; Smyth P. From Data Mining to Knowledge Discovery in Databases. AI Magazine, Vol 17, No. 3, p. 37-54. 1996.

Keogh, F., Rose, G. Football betting the global gambling industry worth billions, BBC, 2013. Disponível em: http://www.bbc.com/sport/football/24354124. Acessado em: 12/03/2019.

Macedo, P. A. P.; Silva, C. D.; Predição de resultados no Campeonato brasileiro 2012 série A, Revista Brasileira de Futebol, p.35-41, 2014.

Rahman, M. H. A. A.; Mustapha, A.; Fauzi, R.; Razali, N. Bayesian Approach to Classification of Football Match Outcome, International Journal of Integrated Engineering: Special Issue 2018: Data Information Engineering, Vol. 10 No. 6 (2018) p. 155-158, 2018.

Rezende, Solange Oliveira. Sistemas Inteligentes – Fundamentos e Aplicações. São Paulo: Manole, 2003.

Zhang, H. The Optimality of Naïve Bayes, Faculty of Computer Science, University of New Brunswick, Canada, 2004.
Publicado
29/11/2021
Como Citar

Selecione um Formato
SEHNEM, Rodrigo; FROZZA, Rejane; BAGATINI, Daniela Duarte da Silva; PERANCONI, Daniela Saccol. Análise de Variáveis em Partidas de Futebol: Previsão de Resultados com Naïve Bayes e Poisson. In: ENCONTRO NACIONAL DE INTELIGÊNCIA ARTIFICIAL E COMPUTACIONAL (ENIAC), 18. , 2021, Evento Online. Anais [...]. Porto Alegre: Sociedade Brasileira de Computação, 2021 . p. 13-24. ISSN 2763-9061. DOI: https://doi.org/10.5753/eniac.2021.18237.

Artigos mais lidos do(s) mesmo(s) autor(es)