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.

Biografia do Autor

Randal Gasparini, Universidade Federal de São Carlos
Departamento de Computação - Programa de Pós Graduação em Ciência da Computação
Alexandre Álvaro, Universidade Federal de São Carlos
Departamento de Computação (DComp)
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.
Seção
Artigo Original
Share |