Predicción de alineaciones en la NBA con base en el clustering previo de jugadores y sus características

In this paper the purpose was to predict the Net Rating of a NBA lineup, based on on the clustering of its players, in order to find the best player combination. These was made with different machine learning techniques like: gaussian mixture models, random forest, SVR, etc.

Autores:
Rojas Díaz, Felipe
Tipo de recurso:
Trabajo de grado de pregrado
Fecha de publicación:
2021
Institución:
Universidad de los Andes
Repositorio:
Séneca: repositorio Uniandes
Idioma:
spa
OAI Identifier:
oai:repositorio.uniandes.edu.co:1992/51542
Acceso en línea:
http://hdl.handle.net/1992/51542
Palabra clave:
Aprendizaje automático (Inteligencia artificial)
Análisis de regresión
Análisis cluster
Jugadores de baloncesto
Ingeniería
Rights
openAccess
License
https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdf
id UNIANDES2_02625ccfcb0b8d809888620c87635eb9
oai_identifier_str oai:repositorio.uniandes.edu.co:1992/51542
network_acronym_str UNIANDES2
network_name_str Séneca: repositorio Uniandes
repository_id_str
spelling Al consultar y hacer uso de este recurso, está aceptando las condiciones de uso establecidas por los autores.https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdfinfo:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Lozano Martínez, Fernando Enriquevirtual::3200-1Rojas Díaz, Felipe9f17c222-ecbf-4e4d-8142-4a48d1fc10204002021-08-10T18:30:07Z2021-08-10T18:30:07Z2021http://hdl.handle.net/1992/5154223317.pdfinstname:Universidad de los Andesreponame:Repositorio Institucional Sénecarepourl:https://repositorio.uniandes.edu.co/In this paper the purpose was to predict the Net Rating of a NBA lineup, based on on the clustering of its players, in order to find the best player combination. These was made with different machine learning techniques like: gaussian mixture models, random forest, SVR, etc.En este trabajo se busca predecir el diferencial de puntos de una alineación en la NBA con base al agrupamiento previo de sus jugadores. Esto con el fin de encontrar cual es la mejor combinación de jugadores. Se realizó por medio de técnicas de machine learning como: clustering (gaussian mixture models), random forest, SVR, etc.Ingeniero ElectrónicoPregrado38 hojasapplication/pdfspaUniversidad de los AndesIngeniería ElectrónicaFacultad de IngenieríaDepartamento de Ingeniería Eléctrica y ElectrónicaPredicción de alineaciones en la NBA con base en el clustering previo de jugadores y sus característicasPredicción de alineaciones en la NBA con base en el agrupamiento previo de jugadores y sus característicasTrabajo de grado - Pregradoinfo:eu-repo/semantics/bachelorThesishttp://purl.org/coar/resource_type/c_7a1fhttp://purl.org/coar/version/c_970fb48d4fbd8a85Texthttp://purl.org/redcol/resource_type/TPAprendizaje automático (Inteligencia artificial)Análisis de regresiónAnálisis clusterJugadores de baloncestoIngeniería201425226Publicationedd81d8c-e0b9-4c1f-bf04-eed0e12e755dvirtual::3200-1edd81d8c-e0b9-4c1f-bf04-eed0e12e755dvirtual::3200-1https://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0000025550virtual::3200-1THUMBNAIL23317.pdf.jpg23317.pdf.jpgIM Thumbnailimage/jpeg7553https://repositorio.uniandes.edu.co/bitstreams/19721007-03a8-409e-8810-ebe88fc787ed/download6e0ca43401c897b8e5f7ebfa6a0f4f8cMD55TEXT23317.pdf.txt23317.pdf.txtExtracted texttext/plain57499https://repositorio.uniandes.edu.co/bitstreams/df12309f-8663-46ef-8234-6b006b20c381/download5033b79729dcfd768673655682fd252bMD54ORIGINAL23317.pdfapplication/pdf1856905https://repositorio.uniandes.edu.co/bitstreams/b413bcaf-e977-436d-900d-16ca65c3e12f/download44156e72981c8739cef3d7c9e2e6dde0MD511992/51542oai:repositorio.uniandes.edu.co:1992/515422024-03-13 12:22:45.581https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdfopen.accesshttps://repositorio.uniandes.edu.coRepositorio institucional Sénecaadminrepositorio@uniandes.edu.co
dc.title.spa.fl_str_mv Predicción de alineaciones en la NBA con base en el clustering previo de jugadores y sus características
dc.title.alternative.none.fl_str_mv Predicción de alineaciones en la NBA con base en el agrupamiento previo de jugadores y sus características
title Predicción de alineaciones en la NBA con base en el clustering previo de jugadores y sus características
spellingShingle Predicción de alineaciones en la NBA con base en el clustering previo de jugadores y sus características
Aprendizaje automático (Inteligencia artificial)
Análisis de regresión
Análisis cluster
Jugadores de baloncesto
Ingeniería
title_short Predicción de alineaciones en la NBA con base en el clustering previo de jugadores y sus características
title_full Predicción de alineaciones en la NBA con base en el clustering previo de jugadores y sus características
title_fullStr Predicción de alineaciones en la NBA con base en el clustering previo de jugadores y sus características
title_full_unstemmed Predicción de alineaciones en la NBA con base en el clustering previo de jugadores y sus características
title_sort Predicción de alineaciones en la NBA con base en el clustering previo de jugadores y sus características
dc.creator.fl_str_mv Rojas Díaz, Felipe
dc.contributor.advisor.none.fl_str_mv Lozano Martínez, Fernando Enrique
dc.contributor.author.none.fl_str_mv Rojas Díaz, Felipe
dc.subject.armarc.none.fl_str_mv Aprendizaje automático (Inteligencia artificial)
Análisis de regresión
Análisis cluster
Jugadores de baloncesto
topic Aprendizaje automático (Inteligencia artificial)
Análisis de regresión
Análisis cluster
Jugadores de baloncesto
Ingeniería
dc.subject.themes.none.fl_str_mv Ingeniería
description In this paper the purpose was to predict the Net Rating of a NBA lineup, based on on the clustering of its players, in order to find the best player combination. These was made with different machine learning techniques like: gaussian mixture models, random forest, SVR, etc.
publishDate 2021
dc.date.accessioned.none.fl_str_mv 2021-08-10T18:30:07Z
dc.date.available.none.fl_str_mv 2021-08-10T18:30:07Z
dc.date.issued.none.fl_str_mv 2021
dc.type.spa.fl_str_mv Trabajo de grado - Pregrado
dc.type.coarversion.fl_str_mv http://purl.org/coar/version/c_970fb48d4fbd8a85
dc.type.driver.spa.fl_str_mv info:eu-repo/semantics/bachelorThesis
dc.type.coar.spa.fl_str_mv http://purl.org/coar/resource_type/c_7a1f
dc.type.content.spa.fl_str_mv Text
dc.type.redcol.spa.fl_str_mv http://purl.org/redcol/resource_type/TP
format http://purl.org/coar/resource_type/c_7a1f
dc.identifier.uri.none.fl_str_mv http://hdl.handle.net/1992/51542
dc.identifier.pdf.none.fl_str_mv 23317.pdf
dc.identifier.instname.spa.fl_str_mv instname:Universidad de los Andes
dc.identifier.reponame.spa.fl_str_mv reponame:Repositorio Institucional Séneca
dc.identifier.repourl.spa.fl_str_mv repourl:https://repositorio.uniandes.edu.co/
url http://hdl.handle.net/1992/51542
identifier_str_mv 23317.pdf
instname:Universidad de los Andes
reponame:Repositorio Institucional Séneca
repourl:https://repositorio.uniandes.edu.co/
dc.language.iso.none.fl_str_mv spa
language spa
dc.rights.uri.*.fl_str_mv https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdf
dc.rights.accessrights.spa.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.coar.spa.fl_str_mv http://purl.org/coar/access_right/c_abf2
rights_invalid_str_mv https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdf
http://purl.org/coar/access_right/c_abf2
eu_rights_str_mv openAccess
dc.format.extent.none.fl_str_mv 38 hojas
dc.format.mimetype.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidad de los Andes
dc.publisher.program.none.fl_str_mv Ingeniería Electrónica
dc.publisher.faculty.none.fl_str_mv Facultad de Ingeniería
dc.publisher.department.none.fl_str_mv Departamento de Ingeniería Eléctrica y Electrónica
publisher.none.fl_str_mv Universidad de los Andes
institution Universidad de los Andes
bitstream.url.fl_str_mv https://repositorio.uniandes.edu.co/bitstreams/19721007-03a8-409e-8810-ebe88fc787ed/download
https://repositorio.uniandes.edu.co/bitstreams/df12309f-8663-46ef-8234-6b006b20c381/download
https://repositorio.uniandes.edu.co/bitstreams/b413bcaf-e977-436d-900d-16ca65c3e12f/download
bitstream.checksum.fl_str_mv 6e0ca43401c897b8e5f7ebfa6a0f4f8c
5033b79729dcfd768673655682fd252b
44156e72981c8739cef3d7c9e2e6dde0
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Repositorio institucional Séneca
repository.mail.fl_str_mv adminrepositorio@uniandes.edu.co
_version_ 1812133844744142848

Publicaciones similares