Salvato in:
| Autori principali: | , , |
|---|---|
| Natura: | Recurso digital |
| Lingua: | portoghese |
| Pubblicazione: |
Zenodo
2025
|
| Soggetti: | |
| Accesso online: | https://doi.org/10.5281/zenodo.17715566 |
| Tags: |
Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!
|
| _version_ | 1866901848205557760 |
|---|---|
| author | LUCAS DOS SANTOS MATHEUS YOSHIO OGAWA RONNIE SHIDA MARINHO |
| author_facet | LUCAS DOS SANTOS MATHEUS YOSHIO OGAWA RONNIE SHIDA MARINHO |
| contents | <p>Este estudo investiga a aplicação de técnicas de aprendizado de máquina na previsão de resultados de jogos de futebol. Utilizando um conjunto de dados extenso e variado, foram exploradas diferentes abordagens de modelagem preditiva para identificar padrões e tendências significativas. Os resultados demonstram que modelos baseados em redes neurais e Random Forest apresentaram desempenho superior na previsão precisa de resultados de partidas. Além disso, análises adicionais revelaram a importância de variáveis específicas, como desempenho histórico das equipes, na precisão dos modelos preditivos. Este estudo contribui para aprimorar as estratégias de previsão no contexto esportivo, oferecendo insights valiosos para analistas esportivos, apostadores e equipes técnicas, aperfeiçoando suas estratégias e tomadas de decisão com base em dados.</p> |
| format | Recurso digital |
| id | zenodo_https___doi_org_10_5281_zenodo_17715566 |
| institution | Zenodo |
| language | por |
| publishDate | 2025 |
| publisher | Zenodo |
| record_format | zenodo |
| spellingShingle | TÉCNICAS DE APRENDIZADO DE MÁQUINA APLICADAS NA PREVISÃO DE RESULTADOS DE JOGOS DE FUTEBOL LUCAS DOS SANTOS MATHEUS YOSHIO OGAWA RONNIE SHIDA MARINHO Aprendizado de máquina Previsão de resultados Redes neurais <p>Este estudo investiga a aplicação de técnicas de aprendizado de máquina na previsão de resultados de jogos de futebol. Utilizando um conjunto de dados extenso e variado, foram exploradas diferentes abordagens de modelagem preditiva para identificar padrões e tendências significativas. Os resultados demonstram que modelos baseados em redes neurais e Random Forest apresentaram desempenho superior na previsão precisa de resultados de partidas. Além disso, análises adicionais revelaram a importância de variáveis específicas, como desempenho histórico das equipes, na precisão dos modelos preditivos. Este estudo contribui para aprimorar as estratégias de previsão no contexto esportivo, oferecendo insights valiosos para analistas esportivos, apostadores e equipes técnicas, aperfeiçoando suas estratégias e tomadas de decisão com base em dados.</p> |
| title | TÉCNICAS DE APRENDIZADO DE MÁQUINA APLICADAS NA PREVISÃO DE RESULTADOS DE JOGOS DE FUTEBOL |
| topic | Aprendizado de máquina Previsão de resultados Redes neurais |
| url | https://doi.org/10.5281/zenodo.17715566 |