DADOS ESTATÍSTICOS NO FUTEBOL:

aplicativo para análise estatística no futebol

Resumo

Este artigo apresenta o desenvolvimento de um protótipo de software preditivo para resultados de partidas de futebol, aplicando algoritmos de aprendizado de máquina para análise estatística com foco no Campeonato Brasileiro de 2023. O objetivo central é fornecer uma ferramenta inicial e robusta que possa futuramente auxiliar técnicos, analistas e apostadores na previsão de vitórias, empates e derrotas, considerando variáveis como saldo de gols, posição na tabela e desempenho recente dos times. O método de desenvolvimento incluiu a coleta de dados públicos, tratamento e transformação das informações para adequação ao protótipo, e o uso do algoritmo XGBoost, reconhecido pela sua capacidade de capturar padrões complexos em dados desbalanceados. Para aprimorar o desempenho do protótipo, foram implementadas técnicas de otimização de hiperparâmetros e ponderação de classes, além de validação cruzada k-fold para garantir a generalização. As previsões foram avaliadas com métricas de acurácia, precisão, recall e F1-Score, com destaque para as vitórias de mandantes, onde o protótipo demonstrou maior precisão. Apesar dos resultados promissores, o estudo identifica áreas de melhoria no protótipo, especialmente na previsão de empates e vitórias de visitantes. Em versões futuras, o projeto base poderá ser aprimorado com a inclusão de variáveis contextuais, como clima e histórico de lesões, para oferecer uma análise mais abrangente e confiável. Esse trabalho contribui para a aplicação inicial de aprendizado de máquina no esporte, apresentando um recurso prototípico com potencial para evoluir em uma ferramenta robusta de análise de desempenho e tomada de decisões no futebol.

Palavras-chave: Aprendizado de máquina. XGBoost. Previsão de resultados. Ferramenta para analistas esportivos.