Praca magisterska
Brak miniatury
Licencja
ClosedAccessDostęp zamknięty
 

Wykorzystanie uczenia maszynowego do przewidywania indywidualnych kar wymierzanych zawodnikom w meczach piłki nożnej. Analiza danych statystycznych z ligi angielskiej

Uproszczony widok
dc.abstract.enThe aim of this work is to verify the possibility of creating a valuable predictive model of individual penalties in football. At the beginning, using the R programming language and the “worldfootballr” library, a database was created in which the statistics of the English League players from the 2019/2020 to 2022/2023 seasons were accumulated. Later, with the help of libraries such as TPOT or scikit-learn, a predictive model based on supervised machine learning was created in the Python programming language. After evaluating the model and checking the efficiency of two algorithms “RandomForestClassifier” and “XGBoost”, the best model for predicting individual penalties to football players turned out to be “RandomForestClassifier”. Its accuracy reached 93.44%, compared to 92.22% accuracy of the model based on the “XGBoost” algorithm. It has been proven that it is possible to create a precise predictive model using only publicly available tools.
dc.abstract.plCelem pracy jest weryfikacja możliwości stworzenia wartościowego modelu predykcyjnego kar indywidualnych w piłce nożnej. Na początku, wykorzystując język programowania R i bibliotekę „worldfootballr” stworzono bazę danych, w której skumulowane zostały statystyki zawodników ligi angielskiej z sezonów od 2019/2020 do 2022/2023. Później przy pomocy bibliotek, takich jak „TPOT”, czy „scikit-learn” stworzono w języku programowania Python, na podstawie powstałej bazy, model predykcyjny oparty na nadzorowanym uczeniu maszynowym. Po ewaluacji modelu i sprawdzeniu działania dwóch algorytmów „RandomForestClassifier” i „XGBoost” najlepszym modelem do predykcji indywidualnych kar wymierzanym zawodnikom piłki nożnej okazał się „RandomForestClassifier”. Jego dokładność sięgnęła 93.44%, w porównaniu do 92.22% dokładności modelu opartego na algorytmie „XGBoost”. Udowodnione zostało, że możliwe jest stworzenie precyzyjnego modelu predykcyjnego korzystając jedynie z ogólnodostępnych narzędzi.
dc.affiliationUniwersytet Warszawski
dc.affiliation.departmentWydział Dziennikarstwa, Informacji i Bibliologii
dc.contributor.authorDobski, Mikołaj
dc.date.accessioned2025-01-09T12:47:19Z
dc.date.available2025-01-09T12:47:19Z
dc.date.defence2024-07-04
dc.date.issued2024
dc.date.submitted2024-06-20
dc.description.promoterJachimczyk, Adam
dc.description.reviewerWłodarczyk, Bartłomiej
dc.description.reviewerJachimczyk, Adam
dc.identifier.apd231561
dc.identifier.urihttps://repozytorium.uw.edu.pl//handle/item/163973
dc.languagepl
dc.language.otheren
dc.publisherUniwersytet Warszawski
dc.rightsClosedAccess
dc.subject.enmachine learning
dc.subject.enfootball
dc.subject.enprediction
dc.subject.enindividual penalties
dc.subject.enyellow cards
dc.subject.enred cards
dc.subject.ensupervised learning
dc.subject.pluczenie maszynowe
dc.subject.plpiłka nożna
dc.subject.plpredykcja
dc.subject.plkary indywidualne
dc.subject.plżółte kartki
dc.subject.plczerwone kartki
dc.subject.pluczenie nadzorowane
dc.titleWykorzystanie uczenia maszynowego do przewidywania indywidualnych kar wymierzanych zawodnikom w meczach piłki nożnej. Analiza danych statystycznych z ligi angielskiej
dc.title.alternativeThe use of machine learning for predicting individual penalties imposed on players in football matches. Analysis of statistical data from the English league
dc.typeMasterThesis
dspace.entity.typePublication