Modelos de previsão da National Basketball Association (NBA)

Abstract

Esse trabalho teve como objetivo principal elaborar um modelo que fosse capaz de realizar predições se um time classifica aos playoffs da NBA com base nas estatísticas da equipe de até 26 jogos disputados. Os dados foram retirados de uma base disponibilizada no Kaggle e do site oficial da NBA via Web scraping. Esses dados eram referentes a cada partida disputada, com informações do time mandante e visitante. Depois foram criadas variáveis pelo processo de feature engineering para colaborar na predição dos modelos. Essas variáveis são relacionadas as estatísticas dos oponentes, média móvel das estatísticas dos time e dos seus adversários referente aos últimos jogos da quantidade de partidas estudadas e da força dos oponentes. Uma função foi criada para formar uma base de dados com as estatísticas para cada time de acordo com a quantidade de jogos que se deseja estudar. Depois uma outra função foi elaborada para realizar o ajuste dos modelos preditivos de acordo com a variação do número de jogos, número de jogos para a média móvel e a quantidade de temporadas utilizadas para a base de teste. Essa função elabora bancos de dados pelos parâmetros mencionados anteriormente, depois foram separadas as bases de treinamento e teste para a modelagem. As técnicas utilizadas foram de Lasso, Ridge, Random Forest e Árvore Binária. Por fim, uma grande tabela foi formada com as medidas que permitem a comparação dos modelos propostos. Após análises, foi verificado que o modelo com melhor desempenho de acordo as intenções deste trabalho foi elaborado utilizando a técnica de Random Forest, estatísticas dos 15 primeiros jogos, 4 jogos para o cálculo da média móvel e lidando com os dados das 3 últimas temporadas na base de teste dos modelos. As variáveis com maior significância foram as de vitórias, derrotas, plus-minus e suas derivações