Análise entre algoritmos de aprendizado de máquina para suportar a predição do posicionamento do jogador de futebol
Palavras-chave:
aprendizado de máquina, análise futebolística, estudo experimental, gps, máquinas de vetores de suporte, redes neurais artificiais, regressão logística
Resumo
O esporte de alto desempenho está em busca, cada vez mais, do suporte de tecnologias que visam o auxílio aos atletas e aos profissionais que os acompanham. Atualmente existem diversas tecnologias que são utilizadas no segmento, como análise de deslocamento de jogadores através de GPS (Global Position System), mapeamento através da captura de vídeo, monitoramento de frequência cardíaca, acelerômetro, giroscópio, dentre outros. Entretanto, a comissão técnica possui pouco respaldo tecnológico de ferramentas que consideram as características de movimentação do jogador, as quais poderiam apoiá-las na tomada de decisão em relação ao posicionamento ideal do atleta em campo. Através da coleta de dados de GPS é possível determinar velocidade, distância percorrida, faixas de aceleração, posicionamento, dentre outras informações. Nesse sentido, esse trabalho visa analisar o posicionamento ideal de um jogador de futebol através de algoritmos de aprendizado de máquina, sendo utilizados os modelos de Regressão Logística com Regularização, Redes Neurais e Máquinas de Vetores de Suporte. Os resultados obtidos indicaram que o modelo SVM se sobressaiu aos demais, entretanto são necessários trabalhos futuros para a busca de uma taxa de acerto mais elevada.Downloads
Não há dados estatísticos.
Publicado
2017-07-28
Como Citar
[1]
Gasparini, R. e Álvaro, A. 2017. Análise entre algoritmos de aprendizado de máquina para suportar a predição do posicionamento do jogador de futebol. Revista Brasileira de Computação Aplicada. 9, 2 (jul. 2017), 70-83. DOI:https://doi.org/10.5335/rbca.v9i2.6454.
Edição
Seção
Artigo Original
Copyright (c) 2017 Revista Brasileira de Computação Aplicada

This work is licensed under a Creative Commons Attribution 4.0 International License.

Todos os artigos estão licenciados com a licença Creative Commons Atribuição-NãoComercial-SemDerivações 4.0 Internacional. Autores que publicam nesta revista concordam com os seguintes termos:
a) Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Attribution que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.
b) Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
c) Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado (Veja O Efeito do Acesso Livre).