Treinamento Supervisionado para Previsão de Partidas de Futebol: Uma Abordagem usando Dados de Videogames

• Bruno Guilherme Gomes Universidade Federal de Minas Gerais
• Mário C. G. Moreira Universidade Federal de Minas Gerais
• Pedro H. F. Holanda Universidade Federal de Minas Gerais

DOI: https://doi.org/10.5753/sbbd.2016.24337

Resumo

Encontrar fontes de dados para aplicações de aprendizado de máquina e mineração de dados pode ser uma tarefa muito complicada em alguns casos. Além disso, em muitas aplicações, os dados podem ser bastante escassos. Por essa razão, buscamos uma maneira alternativa de obter dados e informações através da grande e vasta indústria dos jogos eletrônicos, indústria essa que tem conseguido coletar e construir dados tão verossímeis a ponto de poderem ser usados para resolver problemas do mundo real. Assim, este trabalho apresenta uma abordagem para prever os resultados de partidas de futebol utilizando para isso os dados do jogo FIFA.

Palavras-chave: Treinamento supervisionado, Previsão de resultados, Videogame

Referências

Constantinou, A. C., Fenton, N. E., and Neil, M. (2013). Profiting from an inefficient association football gambling market: Prediction, risk and uncertainty using bayesian networks. Knowledge-Based Systems, 50:60–86.

Cortes, C. and Vapnik, V. (1995). Support-vector networks. Machine learning, 20(3):273–297.

Cover, T. M. and Thomas, J. A. (2006). Elements of information theory 2nd edition. Wiley-interscience.

Cui, T., Li, J., Woodward, J. R., and Parkes, A. J. (2013). An ensemble based genetic programming system to predict english football premier league games. In Evolving and Adaptive Intelligent Systems (EAIS), 2013 IEEE Conference on, pages 138–143. IEEE.

Dixon, M. J. and Coles, S. G. (1997). Modelling association football scores and inefficiencies in the football betting market. Journal of the Royal Statistical Society: Series C (Applied Statistics), 46(2):265–280.

Hucaljuk, J. and Rakipović, A. (2011). Predicting football scores using machine learning techniques. In MIPRO, 2011 Proceedings of the 34th International Convention, pages 1623–1627. IEEE.

Joseph, A., Fenton, N. E., and Neil, M. (2006). Predicting football results using bayesian nets and other machine learning techniques. Knowledge-Based Systems, 19(7):544–553.

McCullagh, P. and Nelder, J. A. (1989). Generalized linear models, volume 37. CRC press.

Tsakonas, A., Dounias, G., Shtovba, S., and Vivdyuk, V. (2002). Soft computing-based result prediction of football games. In The First International Conference on Inductive Modelling (ICIM’2002). Lviv, Ukraine. Citeseer.