Mètodes de predicció de resultats de partits de bàsquet
Tipus de documentTreball Final de Grau
Data2022-05-03
Condicions d'accésAccés obert
Llevat que s'hi indiqui el contrari, els
continguts d'aquesta obra estan subjectes a la llicència de Creative Commons
:
Reconeixement-NoComercial-CompartirIgual 3.0 Espanya
Abstract
El treball consisteix en l’estudi de diferents mètodes predictius de resultats de partits de bàsquet. S’ha dut a terme un estudi de l’estat de l’art en el qual s’ha indagat a fons sobre les tècniques actuals d’anàlisis d’esports i, més concretament, en el món del bàsquet. També s’han investigat treballs en el que es planteja el problema de la predicció de resultats en competicions de bàsquet d’arreu del món, dels quals s’han obtingut els mètodes més comuns utilitzats. Per avaluar-los s’ha desenvolupat un model utilitzant eines d’Intel·ligència Artificial i Machine Learning per a predir els resultats del torneig March Madness Femení 2021. S’han utilitzat les dades proporcionades per la March Machine Learning Mania 2021, una competició de Kaggle.com. S’ha realitzat un procés de neteja de dades, selecció d’atributs, exploració de les dades i, finalment, s’han posat a prova set mètodes de classificació, pels quals s’han buscat i trobat els hiperparàmetres òptims. S’han obtingut els millors resultats amb el model de Support Vector Machine, que ha arribat a arribat a predir bé l’equip vencedor del 71,43% dels partits del March Madness Femení 2021.
MatèriesData mining, Management information systems, Statistical decision, Basketball, Application program interfaces (Computer software), Mineria de dades, Sistemes d'informació per a la gestió, Decisió, Presa de (Estadística), Basquetbol, Interfícies de programació d'aplicacions (Programari)
TitulacióGRAU EN ENGINYERIA EN TECNOLOGIES INDUSTRIALS (Pla 2010)
Fitxers | Descripció | Mida | Format | Visualitza |
---|---|---|---|---|
annex-codi.zip | 1,278Mb | application/zip | Visualitza/Obre | |
Microsoft Word ... x - tfg-bertaplandolit.pdf | 51,19Mb | Visualitza/Obre |