Aplicação de machine learning para identificar variáveis de maior impacto na variação do valor de mercado de jogadores de futebol
Fecha
2023Autor
Tutor
Nivel académico
Grado
Tipo
Resumo
Jogadores de futebol possuem características de desempenho variadas e complexas que influenciam seu potencial de valorização no mercado. A diversidade nas características decorre de fatores como estilo de jogo, peculiaridades dos campeonatos e estratégias de treinamento. Esta multiplicidade torna desafiador prever e avaliar sua variação monetária, exigindo técnicas analíticas robustas. O estudo atual se desenrola em duas fases: inicialmente, a validação de técnicas preditivas supervisionadas - ...
Jogadores de futebol possuem características de desempenho variadas e complexas que influenciam seu potencial de valorização no mercado. A diversidade nas características decorre de fatores como estilo de jogo, peculiaridades dos campeonatos e estratégias de treinamento. Esta multiplicidade torna desafiador prever e avaliar sua variação monetária, exigindo técnicas analíticas robustas. O estudo atual se desenrola em duas fases: inicialmente, a validação de técnicas preditivas supervisionadas - Regressão Linear Múltipla, K-Vizinhos Mais Próximos e Floresta Aleatória - com base nos dados disponíveis; em seguida, o treinamento e análise da técnica mais eficaz focada numa posição específica. A Floresta Aleatória demonstrou ser a abordagem de melhor desempenho médio (R²=0,87 e MAE=€1.818.917) e foi empregada para discernir a importância de diversas características na previsão da variação de valor de mercado dos meio-campistas. Dentro dos resultados obtidos, o modelo direcionado ao campeonato da Bundesliga foi o mais destacado, com R² de 0,89 e MAE de €1.703.015. Constatou-se que a idade do jogador é o fator mais determinante na sua valorização. Adicionalmente, os campeonatos exibem perfis distintos na valorização dos meio-campistas: Bundesliga e La Liga enfatizam ações ofensivas, enquanto Premier League e Serie A valorizam a construção de jogadas. ...
Institución
Universidade Federal do Rio Grande do Sul. Escola de Engenharia. Curso de Engenharia de Produção.
Colecciones
-
Tesinas de Curso de Grado (36372)Tesinas Ingenierías (5699)
Este ítem está licenciado en la Creative Commons License
![](/themes/Mirage2Novo//images/lume/cc.png)