2026-04-26T07:33:32Zhttps://uvadoc.uva.es/oai/requestoai:uvadoc.uva.es:10324/441442021-06-30T04:00:17Zcom_10324_38col_10324_852
Berrío Galindo, Álvaro
2020-12-14T16:19:50Z
2020-12-14T16:19:50Z
2020
http://uvadoc.uva.es/handle/10324/44144
Este trabajo trata sobre la predicción de los resultados de partidos propios de
la NBA. Se estudia la forma en la que se obtienen los datos adecuados a partir de
las fuentes de datos utilizadas. Una vez se tienen unos datos con un formato con
el que trabajar, se plantean técnicas de aprendizaje automático (Regresión Lineal
Múltiple, Regresión Logística, SVM, Perceptrón Multicapa, Random Forest, KVecinos,
Naive Bayes) para llevar a cabo el objetivo, las cuales se van refinando
según los resultados y los ajustes y modificaciones de los datos. En el apartado
de los modelos de predicción, se realizan tres experimentos diferentes teniendo en
cuenta distintos periodos de tiempo y formas en las que se obtienen los datos.
Además de ésto, se implementa una herramienta mediante la que un usuario
puede acceder a ciertos modelos ya guardados e interactuar con ella planteando
ciertos partidos concretos para los que predecir el resultado. Esta herramienta
aporta una idea del funcionamiento de cada modelo almacenado.
This project is about the prediction of the result of NBA games. It is studied
the way that the data is obtained from the diferent data sources. Once the data
is correctly formatted, there are several machine learning techniques explained
(Multiple Linear Regression, Logistic Regression, SVM, Multilayer Perceptron,
Random Forest, K-Nearest Neighbours, Naive Bayes). These are improved during the work in order to get a better performance. Moreover, the data is updated to include new variables or delete others with less importance. There can be seen three diferent experiments in the section of the predictive models.
In addition to this, a tool is implemented for a user to interact with it and
discover the performance of certain predictive models previously stored. A user
can input a game to get the predictions out of it and get an idea of how the models work.
spa
info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-nd/4.0/
Attribution-NonCommercial-NoDerivatives 4.0 Internacional
Aprendizaje automático de modelos para la predicción de resultados de partidos de la NBA
info:eu-repo/semantics/bachelorThesis