2026-05-05T18:44:29Zhttps://uvadoc.uva.es/oai/request

oai:uvadoc.uva.es:10324/742102025-01-22T20:03:09Zcom_10324_38col_10324_852

Aplicación de técnicas de clasificación a datos de ligas europeas de fútbol González Magdalena, Juan Fernández Temprano, Miguel Alejandro Pulido Junquera, José Belarmino Universidad de Valladolid. Facultad de Ciencias Clustering K-medias Stepwise El fútbol es uno de los deportes más practicados y populares a nivel mundial. Este deporte tiene una complejidad táctica muy elevada por lo que se requiere un análisis detallado y precisos para un mejor entendimiento de las características que componen un jugador. Este trabajo de fin de grado se centra en el refinamiento de técnicas de clústering con el objetivo principal de mejorar la precisión en la clasificación de jugadores en cinco perfiles específicos. Para ello se han obtenido diferentes estadísticas in-game de las 5 grandes ligas europeas entre las temporadas 2017-2018 y 2022-2023. Con ellas realiza una comparación entre técnicas de clasificación supervisadas y no supervisadas para evaluar su eficacia a la hora de identificar de perfiles de jugadores, buscando minimizar el error de clasificación. Además, se lleva a cabo un análisis comparativo entre los clústers obtenidos y las cinco grandes ligas europeas. La optimización de estas técnicas en el contexto futbolístico tiene como finalidad extraer patrones interesantes sobre cada perfil de jugador, dando así una visión global sobre las dinámicas de los diferentes perfiles a lo largo de las temporadas en las grandes ligas europeas. Football is one of the most widely practiced and popular sports worldwide. This sport involves a high level of tactical complexity, demanding detailed and precise analysis to better understand the characteristics that make a player. This undergraduate thesis focuses on refining clustering techniques with the primary objective of improving the accuracy in classifying players into five specific profiles. For this purpose, different in-game statistics from the five major European leagues between the 2017-2018 and 2022-2023 seasons were collected. A comparison is made between supervised and unsupervised classification techniques to evaluate their effectiveness in identifying player profiles, aiming to minimize classification error. Additionally, a comparative analysis between the obtained clusters and the five major European leagues is conducted. The optimization of these techniques in the football context aims to extract interesting patterns about each player profile, thus providing a global overview of the dynamics of the different profiles throughout the seasons in the major European leagues. Departamento de Estadística e Investigación Operativa Departamento de Informática (Arquitectura y Tecnología de Computadores, Ciencias de la Computación e Inteligencia Artificial, Lenguajes y Sistemas Informáticos) Grado en Estadística 2025-01-22T08:45:51Z 2025-01-22T08:45:51Z 2024 info:eu-repo/semantics/bachelorThesis https://uvadoc.uva.es/handle/10324/74210 spa Attribution-NonCommercial-NoDerivatives 4.0 Internacional info:eu-repo/semantics/openAccess http://creativecommons.org/licenses/by-nc-nd/4.0/ application/pdf https://uvadoc.uva.es/bitstream/10324/74210/4/TFG-G7394.pdf.jpg Hispana TEXT http://creativecommons.org/licenses/by-nc-nd/4.0/ UVaDOC. Repositorio Documental de la Universidad de Valladolid https://uvadoc.uva.es/handle/10324/74210