Pós-Graduação em Ciência da Computação – UFPE
Defesa de Dissertação de Mestrado Nº 2.174
Aluno: Daniel Cabral da Costa
Orientador: Prof. Ricardo Bastos Cavalcante Prudêncio
Coorientador: Prof. Alexandre Cabral Mota
Título: Modelos assessores como opção de rejeição para predição de
resultados de partidas de futebol
Data: 09/12/2024
Hora/Local: 14h – Virtual – Interessados em assistir entrar em contato com o aluno
Banca Examinadora:
Prof. George Darmiton da Cunha Cavalcanti (UFPE / Centro de Informática)
Prof. André Câmara Alves do Nascimento (UFRPE / Departamento de Computação)
Prof. Ricardo Bastos Cavalcante Prudêncio (UFPE / Centro de Informática)
RESUMO:
O futebol é um esporte amplamente popular, tanto no Brasil quanto em todo o mundo, com uma indústria bilionária ao seu redor. A utilização de dados e algoritmos de Aprendizagem de Máquina (AM) tem sido explorada como uma ferramenta para prever resultados nesse esporte. No entanto, a imprevisibilidade do futebol torna desafiador obter previsões precisas e confiáveis. Nesta dissertação, investigamos técnicas de AM com opção de rejeição no contexto de predição de partidas de futebol. O objetivo principal deste trabalho é quantificar a incerteza de predições de modelos de AM e, assim, abster-se das predições consideradas mais incertas. Especificamente, propomos a utilização de modelos chamados assessores, modelos de AM que predizem o desempenho de um modelo base em tarefas
específicas, para analisar as predições de um classificador de resultados de partidas e selecionar aquelas com maior confiabilidade, descartando as demais. Buscamos otimizar a relação entre acurácia das predições aceitas e a taxa de rejeição, de forma a maximizar a confiabilidade no uso do modelo de AM para predição das partidas. Realizamos experimentos com dados reais de partidas, identificando os campeonatos, equipes e rodadas em que o modelo proposto apresenta melhor desempenho. Essa abordagem inovadora contribui para o aprimoramento das previsões de resultados de futebol, utilizando técnicas avançadas de AM em conjunto com a seleção de predições de alta qualidade.
Palavras-chave: Aprendizagem de Máquina. Opção de rejeição. Assessores.
Futebol. Aprendizagem Supervisionada
Comentários desativados