E aí, pessoal! Tranquilo? Hoje vou compartilhar com vocês como eu tentei prever os vencedores do Worlds 2024. Foi uma saga, viu?
Primeiro passo: coletar os dados. Comecei varrendo tudo que encontrei pela frente: histórico de partidas, estatísticas dos jogadores, desempenho das equipes nos últimos campeonatos… Uma loucura! Usei umas APIs pra facilitar a vida, mas mesmo assim, deu um trabalhão.
Aí veio a parte de limpar e organizar os dados. Vocês não fazem ideia da bagunça que estava! Tive que padronizar os nomes dos jogadores, unificar as informações de diferentes fontes, tirar um monte de dado repetido… Quase desisti, mas continuei firme!
Depois, parti para a análise exploratória. Fiz uns gráficos, umas tabelas, pra tentar entender o que estava acontecendo. Descobri uns padrões interessantes, uns jogadores que se destacavam, umas equipes que tinham um desempenho melhor em certos mapas… Foi aí que comecei a ter umas ideias de como criar o modelo.
Escolhi o modelo de machine learning. Optei por usar um algoritmo de classificação, porque queria prever se uma equipe ia ganhar ou perder. Testei vários modelos diferentes: Regressão Logística, Support Vector Machine, Random Forest… No fim, o que deu o melhor resultado foi o Random Forest.
Então, treinei o modelo. Usei os dados históricos pra ensinar o algoritmo a prever os resultados. Dividi os dados em duas partes: uma pra treinar e outra pra testar. Assim, pude ter uma ideia de como o modelo ia se sair em partidas que ele nunca tinha visto antes.
E aí, chegou a hora de testar o modelo! Usei os dados de teste pra ver se as previsões estavam certas. No começo, errava mais do que acertava. Mas fui ajustando os parâmetros do modelo, mexendo nas variáveis que usava pra prever, até que a precisão começou a melhorar.
- Aumentei o número de árvores na Random Forest.
- Adicionei mais variáveis relacionadas ao desempenho individual dos jogadores.
- Ponderei as variáveis de acordo com a importância delas nas previsões.
No fim das contas, consegui um modelo com uma precisão razoável. Não era perfeito, claro, mas já dava pra ter uma ideia de quem tinha mais chances de ganhar.
E o que eu fiz com as previsões? Aposteis nos resultados, claro! (Brincadeira! Ou não…). Mas o mais legal foi ver como o modelo se comportou durante o Worlds. Algumas previsões se confirmaram, outras não. Mas foi uma experiência muito interessante, que me ensinou muito sobre machine learning e sobre o mundo dos e-sports.
Conclusão
Resumindo, foi uma jornada longa e desafiadora, mas muito gratificante. Aprendi um monte, me diverti e ainda consegui fazer umas previsões que, de vez em quando, até acertavam. Quem sabe no próximo Worlds eu não consigo um modelo ainda melhor?