Guardado en:
| Autores principales: | , , |
|---|---|
| Formato: | Recurso digital |
| Lenguaje: | portugués |
| Publicado: |
Zenodo
2025
|
| Materias: | |
| Acceso en línea: | https://doi.org/10.5281/zenodo.17715566 |
| Etiquetas: |
Agregar Etiqueta
Sin Etiquetas, Sea el primero en etiquetar este registro!
|
Tabla de Contenidos:
- <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>