Buscar
  • Daniel Takata

Machine learning: cada vez mais presente nas análises esportivas



(reprodução Freelunch.com)

O International Journal of Forecasting é um dos periódicos acadêmicos mais conceituados no campo da estatística, e o principal na área de previsões. Publica artigos com os principais desenvolvimentos em modelos para previsão.


E não é nada fácil conseguir publicar no periódico. Uma das razões pelos quais é tão bem conceituado é o rigor dos avaliadores. Se você conseguir, pode ter certeza que seu currículo terá um belo upgrade.


Um dos que já escaralam esse Everest e alcançaram esse feito foi o meu amigo Dr. Tiago Mendes Dantas. E foi ele quem, por sinal, me alertou para um fato que muito pode interessar aos frequentadores deste site.


Na última edição, o International Journal of Forecasting publicou uma seção especial intitulada "Sports Forecasting" ("Previsão em Esportes"). Um dos autores do texto introdutório é Ian McHale, da Universidade de Liverpool - em festa até agora pelo título da Liga dos Campeões do time local! McHale é um dos maiores estatísticos do esporte no mundo, e já prestou consultoria para times de futebol e até para a Premier League, a liga de futebol inglesa mais rica do mundo.



O periódico traz dez artigos, sendo futebol o foco de quatro deles. Os assuntos também abordam basquete, tênis, futebol americano, ciclismo e sumô.


O artigo sobre tênis modela a evolução das probabilidades para previsão do vencedor de um jogo, atualizando as probabilidades à medida que o jogo é jogado.


O trabalho sobre ciclismo examina os fatores que determinam a audiência da Volta da França, a principal prova de ciclismo de rua do mundo.


Volta da França (foto: reprodução Ativo.com)

Um dos artigos tenta avaliar o impacto do sistema de como os times são divididos em seus grupos nos resultados da Liga dos Campeões da Europa.


Três artigos tentam prever os resultados de partidas de futebol utilizando métodos como aprendizagem de máquina e séries temporais, apresentando resultados próximos ou melhores do que os do mercado de apostas.


McHale destaca que a última vez que o International Journal of Forecasting dedicou uma seção para análise esportiva foi em 2010. Nesses nove anos, notou-se uma evolução nos métodos e modelos estatísticos utilizados, mas, principalmente, na quantidade de dados disponíveis.


O aumento na disponibilidade de informações, e consequentemente nos problemas para lidar e modelar conjuntos de dados com muitos dados e variáveis, fez com que métodos de aprendizagem de máquina e ferramentas associadas se tornassem muito mais frequentes na análise esportiva. Isso é refletido pelos artigos publicados nessa edição.


Nota: aprendizagem de máquina (do inglês machine learning) é o termo utilizado para fazer referência a uma vasta gama de algoritmos e metodologias que permitem que programas de computador melhorem seu desempenho à medida que obtém mais dados.


No caso em questão, os programas recebem dados referentes a partidas, atletas e campeonatos, os interpreta através de modelos e algoritmos específicos, que "aprendem" com os dados e retornam a informação desejada, como a previsão de resultados de jogos. À medida que mais dados estão disponíveis, os modelos e algoritmos vão "aprendendo" mais com as novas informações, em um processo de atualização constante


Ou seja, sempre que ouvir falar no termo machine learning ou aprendizagem de máquina, pode ter certeza que isso tem sido utilizado de forma cada vez maior em análises esportivas - seja para previsão de resultados, para análise de desempenho ou para avaliação de valor de marcado de atletas e clubes .


Abaixo, trago a lista dos artigos sobre previsão em esportes que foram publicados na última edição do International Journal of Forecasting. O estudo e a interpretação de artigos desse tipo serão abordados em posts nesse site. Fique ligado!



Efficiency of online football betting markets

Giovanni Angelini, Luca De Angelis


Bayesian forecasting of UEFA Champions League under alternative seeding regimes

Francisco Corona, David Forrest, J.D. Tena, Michael Wiper


Paired comparison models with age effects modeled as piecewise quadratic splines

Kenji Araki, Yoshihiro Hirose, Fumiyasu Komaki


Predictive analysis and modelling football results using machine learning approach for English Premier League

Rahul Baboota, Harleen Kaur


A calibration method with dynamic updates for within-match forecasting of wins in tennis

Stephanie Kovalchik, Machar Reid


Optimizing the allocation of funds of an NFL team under the salary cap

Jason Mulholland, Shane T. Jensen


Wage against the machine: A generalized deep-learning market test of dataset value

Philip Z. Maymin


Exploiting sports-betting market using machine learning

Ondřej Hubáček, Gustav Šourek, Filip Železný


Forecasting football match results in national league competitions using score-driven time series models

Siem Jan Koopman, Rutger Lit


Forecasting Tour de France TV audiences: A multi-country analysis

Daam Van Reeth


121 visualizações

Entre em contato

Caso tenha dúvidas, críticas, sugestões ou simplesmente queira entrar em contato, preencha o formulário e clique em "Enviar".
  • LinkedIn Social Icon
  • Facebook Social Icon
  • Instagram
  • Twitter Social Icon
  • YouTube

© 2019 por Daniel Takata.