Livello: Principiante
Vineela Datla, studentessa, Università del Connecticut
Thore Koch, studente, Università del Connecticut
Johana Rodriguez, studentessa, Università del Connecticut
Anan Garg, studente, Università del Connecticut
Valutare la stima di un giocatore può essere utile per i club FIFA durante la stipula di contratti con i giocatori, in quanto devono lavorare su un budget di spesa. I dati estratti da sofifa.com sono stati campionati, esplorati, modificati, modellati e analizzati utilizzando JMP. Il set di dati ha 88 colonne diverse, ampiamente classificate come informazioni sui giocatori e statistiche sulle prestazioni, e ogni riga appartiene ai singoli giocatori FIFA nel 2019. Nella fase di campionamento, i dati vengono suddivisi in 40-30-30 per la formazione, la convalida e il test. Durante la fase di modifica, 29 attributi chiave delle prestazioni vengono presentati in sei attributi primari utilizzando l'analisi delle componenti principali. I dati vengono progettati e analizzati utilizzando formule JMP e grafici di distribuzione. L'albero decisionale, i K-nearmost neighbors e i modelli di rete neurale vengono creati per identificare il modello migliore per prevedere il valore di un giocatore. I modelli vengono quindi confrontati utilizzando la funzionalità di confronto dei modelli e il modello migliore viene identificato in base alle sue prestazioni sui dati di test. Il modello può prevedere al meglio i valori dei giocatori di fascia bassa e media dati gli attributi delle prestazioni.
