Tipus de document

Treball de fi de grau

Data de publicació

Llicència de publicació

cc-by-nc-nd (c) Padrosa Mons, 2025
Si us plau utilitzeu sempre aquest identificador per citar o enllaçar aquest document: https://hdl.handle.net/2445/225529

Mètodes de machine learning aplicats a l'NBA

Títol de la revista

Contribució addicional

ISSN de la revista

Títol del volum

Resum

En aquest treball es tracten les tècniques de machine learning a l’esport, enfocat en el bàsquet, concretament en la lliga NBA. L’objectiu principal és desenvolupar models predictius capaços de predir les victòries i derrotes dels equips a partir d’un conjunt de variables estadístiques, com la valoració de l’equip, el rendiment recent de l’equip, entre d’altres.Per dur a terme aquesta anàlisi és necessari preprocessar el conjunt de dades, seguit d’un conjunt de transformacions aplicant tècniques concretes per poder construir els models. Per construir els models s'apliquen algoritmes supervisats amb fins classificatoris: Support Vector Machine, K-Nearest Neighbors, Decision Tree, XGBoost, Regressió Logística i Random Forest. Finalment, es comparen els rendiments dels models mitjançant una validació conjunta, identificant quins ofereixen una major precisió en la predicció del resultat dels partits.

Descripció

Treballs Finals de Grau en Estadística UB-UPC, Facultat d'Economia i Empresa (UB) i Facultat de Matemàtiques i Estadística (UPC), Curs: 2024-2025, Tutor: Salvador Torra Porras

Recurs relacionat

Citació

Citació

PADROSA MONS, Bernat. Mètodes de machine learning aplicats a l'NBA. [consulted: 20 of November of 2026]. Available at: https://hdl.handle.net/2445/225529

Exportar metadades

JSON - METS

Compartir registre