Ανάλυση γραφημάτων σε ποδοσφαιρικά δεδομένα
| datacite.contributor.RelatedPerson | Κοσμαδάκης, Σταύρος | |
| datacite.contributor.RelatedPerson | Κοσμόπουλος, Δημήτριος | |
| datacite.contributor.Supervisor | Ψαράκης, Εμμανουήλ | |
| dc.contributor.author | Σώκος Διαμαντόπουλος, Νικόλαος | |
| dc.contributor.other | Sokos Diamantopoulos, Nikolaos | |
| dc.date.accessioned | 2024-10-30T12:52:05Z | |
| dc.date.available | 2024-10-30T12:52:05Z | |
| dc.date.issued | 2024-10-10 | |
| dc.degree | masterThesis | |
| dc.description.abstract | Η παρούσα διπλωματική εργασία εξετάζει τη χρήση ποδοσφαιρικών δεδομένων για την ανάλυση και πρόβλεψη των αποτελεσμάτων αγώνων, βασισμένη σε μια υπάρχουσα εργασία. Στόχος της μελέτης είναι η βελτίωση των υφιστάμενων μεθόδων πρόβλεψης μέσω της ενσωμάτωσης δεδομένων σχετικά με την αλλαγή κατοχής, με ιδιαίτερη έμφαση στη σημασία των πασών σε διάφορους τομείς του γηπέδου. Η εργασία ξεκινά με μια ανασκόπηση της βιβλιογραφίας στον τομέα των γραφημάτων και της μηχανικής μάθησης. Στη συνέχεια, εισάγονται τα δεδομένα που χρησιμοποιούνται για την ανάλυση, καθώς και οι μεθοδολογίες που εφαρμόστηκαν. ΄Ενας κύριος παράγοντας της έρευνας είναι η προσθήκη των δεδομένων για την αλλαγής κατοχής, η οποία αποδεικνύεται κρίσιμη για τη βελτίωση των προβλέψεων. Τα αποτελέσματα της ανάλυσης δείχνουν ότι η ενσωμάτωση των δεδομένων κατοχής συμβάλλει στην αύξηση της ακρίβειας των προβλέψεων, προσφέροντας μια πιο ολοκληρωμένη εικόνα της στρατηγικής των ομάδων. Επιπλέον, εξετάζονται περιορισμοί της έρευνας και προτάσεις για μελλοντική εργασία, όπως η δυνατότητα διαχωρισμού του γηπέδου σε περισσότερους τομείς, η προσθήκη χαρακτηριστικών για τις ακμές ανάλογα με το είδος της πάσας, καθώς και η ενσωμάτωση στοιχείων για την απόδοση των ομάδων. Η εργασία αυτή αναδεικνύει τη σημασία της λεπτομερούς ανάλυσης δεδομένων στο ποδόσφαιρο και υπογραμμίζει τις δυνατότητες που προσφέρει η σύγχρονη τεχνολογία για τη βελτίωση των στρατηγικών και της απόδοσης των ομάδων. | |
| dc.description.translatedabstract | This thesis examines the use of football data for the analysis and prediction of match results, based on an existing work. The aim of the study is to improve existing prediction methods by incorporating data on change of possession, with a particular focus on the importance of passes in different areas of the pitch. The paper starts with a review of the literature in the field of graph theory and machine learning. Then, the data used for the analysis and the methodologies applied are introduced. A key factor of the research is the addition of possession change data, which proved to be crucial for improving the predictions. The results of the analysis show that the inclusion of possession data helps to increase the accuracy of the predictions, providing a more comprehensive picture of the team strategy. In addition, limitations of the research and suggestions for future work are discussed, such as the potential for dividing the field into more zones, adding edge features depending on the type of pass,and incorporating performance metrics for the teams. This work highlights the importance of detailed data analysis in football and highlights the potential of modern technology to improve team strategies and performance. | |
| dc.identifier.uri | https://hdl.handle.net/10889/28541 | |
| dc.language.iso | el | |
| dc.rights | Attribution-NonCommercial-ShareAlike 3.0 Greece | en |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-sa/3.0/gr/ | |
| dc.subject | Μηχανική μάθηση | |
| dc.subject | Θεωρία γραφημάτων | |
| dc.subject | Νευρωνικά δίκτυα | |
| dc.subject | Ποδοσφαιρικά δεδομένα | |
| dc.subject.alternative | Machine learning | |
| dc.subject.alternative | Graph theory | |
| dc.subject.alternative | Neural networks | |
| dc.subject.alternative | Football data | |
| dc.title | Ανάλυση γραφημάτων σε ποδοσφαιρικά δεδομένα | |
| dc.title.alternative | Graph analysis on football data |