Niveau : Débutant
Vineela Datla, étudiante, Université du Connecticut
Thore Koch, étudiant, Université du Connecticut
Johana Rodriguez, étudiante, Université du Connecticut
Anan Garg, étudiant, Université du Connecticut
L'évaluation de la valeur d'un joueur peut être utile aux clubs FIFA lors de la signature des contrats et de la gestion de leur budget. Les données extraites de sofifa.com ont été échantillonnées, explorées, modifiées, modélisées et analysées à l'aide de JMP. L'ensemble de données comporte 88 colonnes, classées globalement comme informations sur les joueurs et statistiques de performance, et chaque ligne correspond à chaque joueur FIFA en 2019. Lors de la phase d'échantillonnage, les données sont partitionnées en 40-30-30 pour l'entraînement, la validation et les tests. Lors de la phase de modification, 29 attributs clés de performance sont répartis en six attributs principaux par analyse en composantes principales. Les données sont conçues et analysées à l'aide de formules JMP et de diagrammes de distribution. L'arbre de décision, les K plus proches voisins et les modèles de réseaux neuronaux sont construits afin d'identifier le meilleur modèle pour prédire la valeur d'un joueur. Les modèles sont ensuite comparés à l'aide de la fonction de comparaison de modèles, et le meilleur modèle est identifié en fonction de ses performances sur des données de test. Le modèle est le plus à même de prédire la valeur des joueurs de bas et de milieu de gamme compte tenu de leurs attributs de performance.
