Esse projeto foi desenvolvido como forma de avaliação para a disciplina de Inteligência Artificial da Universidade Federal de Mato Grosso
Para rodar o projeto, o caminho mais fácil é você acessar o colab.research.google.com e importar o arquivo model_predictive_brasileirao_ipynb
Com ele importado será necessario extrair o .ZIP IA_FUTEBOL_DADOS.ZIP
esse zip contém a pasta com as bases de dados necessários para rodar o projeto
Então você pode enviar essa pasta para o google drive na pasta raíz e rodar tranquilamente.
Você pode estar realizando a cópia do notebok a partir desse link público: https://colab.research.google.com/drive/1D62UnVOGGD_yGNpGJZMrca2ELaRf-ORR?usp=sharing
Conta Google
Para executar o projeto, você pode apertar Ctrl + F9
que irá executar todas as células notebooks. Ao final do projeto você irá ter acesso aos gráficos e tabelas comprovando o desempenho do modelo proposto. Caso queria testa-lo você mesmo, recomendo adicionar uma célula nova utilizando a função previsao_times(mandante, visitante)
.
Essa função retorna a probabilidade do time mandante ganhar, a probabilidade do time visitante ganhar e a probabilidade de resultar em empate.
Utilizei de uma amostra aleatória obtida do Brasileirão 2023 roda 6/38 e obtemos o seguinte resultado:
ML: Modelo preditivo elaborado
R: Resultado Real
- Bahia 2 x 3 Flamengo
ML: Flamengo R: Flamengo
- Fluminense 2 x 0 Cuiaba
ML: Fluminense R: Fluminense
- Palmeiras 1 x 1 Bragantino
ML: Palmeiras R: Empate
- Atletico-MG 2 x 0 Internacional
ML: Atletico-MG R: Atletico-MG
- Gremio 0 x 0 Fortaleza
ML: Gremio R: Empate
- Vasco 0 x 1 Santos
ML: Santos R: Santos
- Corinthians 1 x 1 Sao paulo
ML: Empate R: Empate
- Athletico-PR 3 x 2 Coritiba
ML: Coritiba R: Athletico-PR
- Goias 2 x 1 Botafogo-RJ
ML: Goias R: Goias
- America-MG 0 x 4 Cruzeiro
ML: Cruzeiro R: Cruzeiro
- numpy - Cálculos científicos
- pandas - Manipulação de dados
- seaborn - Exibição de dados
- matplotlib.pyplot - Plotagem de gráficos
- warnings - Controle de alertas
- xgboost - Método de machine learning
- sklearn - Método de machine learning e análise de dados
- Eduardo Oliveira - Eduardo Oliveira
- Matheo Bonucia - Matheo Bonucia
- Gostaria de agradecer ao professor Mestre Frederico S. Oliveira por sua orientação e apoio no ensino de machine learning, graças ao seu conhecimento compartilhado pudemos desenvolver esse projeto.