L’algoritme Apriori i el bàsquet: utilitzant Machine Learning per a identificar els conjunts de jugadors més eficients i les seves relacions

Abstract

Mesurar l’impacte que té un jugador de bàsquet en el joc del seu equip és una de les grans incògnites en l’àmbit de l’analítica de dades de l’esport. En aquest treball es tracta la utilització de Machine Learning a través de l'Algoritme Apriori aplicat al FC Barcelona de bàsquet en competició d’Eurolliga per a identificar els conjunts de jugadors més eficients i les relacions entre ells. A més a més, també s’atribueix una estadística que mesura l’impacte dels jugadors en cada fase del joc i s’estableix un model predictiu sobre l’actuació d’aquests en la Final a 4 de la temporada 2021-2022.Measuring the impact of a basketball player on his/her team is one of the most burdensome unknowns in the sport’s data analytics world. In this project Machine Learning is used through the Apriori Algorithm applied to FC Barcelona’s basketball team to identify the most efficient sets of players and the relationship between them. Furthermore, a statistic is assigned to measure the impact of the players in each game phase and a predictive model is established to forecast their performance in the Final 4 of the 2021-2022 season.Medir el impacto que tiene un jugador de baloncesto en su equipo es una de las mayores incógnitas en el ámbito de analítica de datos del deporte. En este proyecto se trata el uso de Machine Learning mediante el Algoritmo Apriori aplicado al FC Barcelona de baloncesto para identificar los conjuntos de jugadores más eficientes y las relaciones entre ellos. Además, se atribuye una estadística que calibra el impacto de los jugadores en cada fase del juego y se establece un modelo predictivo sobre la actuación de los mismos en la Final a 4 de la temporada 2021-2022.