Nivel: Principiante
Vineela Datla, estudiante, Universidad de Connecticut
Thore Koch, estudiante de la Universidad de Connecticut
Johana Rodríguez, estudiante, Universidad de Connecticut
Anan Garg, estudiante de la Universidad de Connecticut
Evaluar la estimación de un jugador puede ser útil para los clubes de la FIFA al contratar jugadores, ya que deben gestionar un presupuesto. Los datos extraídos de sofifa.com se muestrearon, exploraron, modificaron, modelaron y analizaron con JMP. El conjunto de datos consta de 88 columnas, clasificadas en general como información del jugador y estadísticas de rendimiento, y cada fila corresponde a jugadores individuales de la FIFA en 2019. En la fase de muestreo, los datos se dividen en 40-30-30 para el entrenamiento, la validación y las pruebas. Durante la fase de modificación, se presentan 29 atributos clave de rendimiento en seis atributos principales mediante análisis de componentes principales. Los datos se diseñan y analizan mediante fórmulas de JMP y gráficos de distribución. Se construyen árboles de decisión, modelos de K-vecinos más cercanos y modelos de redes neuronales para identificar el mejor modelo para predecir el valor de un jugador. Posteriormente, los modelos se comparan mediante 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 el valor de jugadores de bajo a medio rango, dados los atributos de rendimiento.
