2026-04-23T20:29:29Zhttps://uvadoc.uva.es/oai/requestoai:uvadoc.uva.es:10324/742102025-01-22T20:03:09Zcom_10324_38col_10324_852
González Magdalena, Juan
2025-01-22T08:45:51Z
2025-01-22T08:45:51Z
2024
https://uvadoc.uva.es/handle/10324/74210
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.
spa
info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-nd/4.0/
Attribution-NonCommercial-NoDerivatives 4.0 Internacional
Aplicación de técnicas de clasificación a datos de ligas europeas de fútbol
info:eu-repo/semantics/bachelorThesis