Através do uso do método de classificação random forest, tento prever o resultado de partidas de futebol futuras.
Através do uso de Python, eu uso um dataset com informações a respeito dos times, clube mandante e retrospecto das últimas 5 partidas. A partir disso, eu filtro o dataset em train_set e test_set aplico feature scaling e o método de random forest no train_set do sklearn para obter uma previsão dos resultados. Modificando os hiperparametros e observando as métricas de Confusion Matrix, Recall, Accuracy e F1-Score, o algoritmo foi aperfeiçoado para melhores resultados.
Ao final, é gerado um gráfico 3d comparando o resultado real com o esperado, e com um outro dataset de teste de uma nova rodada do Brasileirão é gerado as previsões.
O algoritmo ainda é impreciso, tanto devido a imprevisibilidade dos resultados quanto pelo dataset pequeno com poucas informações.
Baixe os arquivos e com o uso de algum compilador python com suporte para Matplotlib, Pandas e Sklearn instalados execute o código do arquivo ".py".
Em vermelho, azul e verde os resultados reais das partidas. Sendo vermelho derrota, azul empate e verde vitória do time 1. No eixo Z, é mostrado o resultado previsto. Nota-se que nos resultados previstos como vitória há poucos pontos vermelhos e nos resultados previstos como derrota há poucos pontos verdes, demonstrando a eficácia do algoritmo em determinar o resultado.
