Previsão de Sucesso de Atletas Jovens de Futebol usando Integração de diferentes Base de Dados

Abstract

Há diversas áreas no futebol onde modelos de previsão podem ser utilizados, dentre elas, identificar jogadores promissores pode ter um alto custo-benefício. As Funções Executivas (FE) são relacionadas ao desempenho, mas ainda não foram testadas como preditores de sucesso no futebol. Este artigo investiga o uso de FEs para a seleção de jogadores da base com métodos de aprendizado de máquina como a Regressão Logística, Naive Bayes, Decision Tree e Random Forest para prever quais jogadores da base de dados estudada estavam presentes em uma plataforma confiável de dados: Transfermarkt. O melhor modelo foi o Random Forest combinado com imputação, com 0,77 de precisão. O presente estudo indica que as FEs podem ser bons preditores de sucesso no futebol com até 7 anos de antecedência.