Nivel: principiante
Vineela Datla, estudiante, universidad de Connecticut
Thore Koch, estudiante, Universidad de Connecticut
Johana Rodriguez, Estudiante, Universidad de Connecticut
Anan Garg, estudiante, Universidad de Connecticut
Evaluar la estimación de un jugador puede ser útil para los clubes de la FIFA al hacer contratos con los jugadores para que trabajen con un presupuesto de gastos. Los datos extraídos de sofifa.com han sido muestreados, explorados, modificados, modelados y analizados utilizando JMP. El conjunto de datos tiene 88 columnas diferentes ampliamente clasificadas como información del jugador y estadísticas de rendimiento y cada fila pertenece a jugadores individuales de la FIFA en 2019. En la fase de muestreo, los datos se dividen en 40-30-30 para capacitación, validación y prueba. Durante la fase de modificación, se presentan 29 atributos clave de rendimiento en seis atributos principales mediante el análisis de componentes principales. Los datos se diseñan y analizan con características utilizando fórmulas JMP y diagramas de distribución. El árbol de decisión, los vecinos más cercanos K y los modelos de red neuronal se crean para identificar el mejor modelo para predecir el valor de un jugador. Luego, los modelos se comparan utilizando la función de comparación de modelos y se identifica el mejor modelo en función de su rendimiento en los datos de prueba. El modelo puede predecir mejor los valores de los jugadores de rango bajo a medio dados los atributos de rendimiento.
