Start studying graph theory more deeply, it's a path of no return, everything around you becomes solvable with vertices and edges that connect.... Everything can be an article that solves some non-deterministic polynomial problem.

Obrigado se chegou até aqui, espero que tenha gostado, se tem algo que eu possa melhorar, corrigir algo, pode falar.

Ainda estou estudando essas comunidades de detecção, com foco em um projeto muito mais complexo, mas esse me parece ser um experimento bem gostosinho de aprender, proximos passo é otimizar esse algoritmo, testar outros como o, Surprise, Leiden e Walktrap.

...assim como o Santos na outra extremidade, tambem esta bem afastado o gripo da morte que tem 3 leões abraçados, o Juventude não quer conversa e tenta aproximar-se do grupo intermediario, será que ano que vamos ter #neymarjr jogando a Serie B?

Outro ponto e que temos vértices mestres entre os grupos, com a derrota de ontem, o São Paulo desgarrou do grupo e afastou mais ainda o grupo amarelo...

Chegamos em, 20 Vertices e 54 Arestas, um resultado que esta bem interessante e 3 comunidades. Observe que as areas mostram com quem seu time esta brigando e a proximidade mostra extamente como esta essa briga final.

Em resumo podemo dizer que: - Junta quem esta brigando com quem . - Vê se o grupo faz sentido . - Resume os times em blocos e repete.

A grosso modo vamos construir um grafo G(V,A) não direcionado, para isso vou mostrar os primeiro resultados usando o Algoritmo de Louvain que maximizar as diferenças entre os números atuais e arestas de uma comunidade e o numero esperado de arestas.

Temos 6 grupos bem definidos, mas será que são tão definidos assim? Obviamente que a briga la de cima ja esta bem definida entre Flamengo, Palmeiras e Cruzeiro, mas em quem meu time deve focar a briga nessa reta final de brasileirão. Ai que entra a Detecção e comunidades.

E o Aglomerativo

Os resultados do Aglomerativo e K-Means foram muito parecidos, esse abaixo é o Kmeans

Para clusterizar usei os tradicioanais, Kmeans, DBSCAN e Agrupamento Aglometarivo e com base nas analises anteriores que existem pequenos grupos ja bem coesos testei essa coesão usando o metodo do Cotovelo que nos mostrou entre 5/ 6 clusters, infelizmente o DBSCAN nada pode fazer

No grafico de correlação temos 3 time muito coesos na 3 primeira posições e nas 3 ultimas posições( As pontas esse anos são rubro negras)

E essa é a predição final(30/09/2025) para o Brasileirão 2025

Talvez esse seja a predição mais interessante, usei o grafico e violino para ver o vai e vem das posições

Mas as probabilidades de libertadores G4 ou G6 ainda estão de pé(kkk). Denovo, podemos observar que temos grupos bem coesos (Flamengp, Palmeiras, Cruzeiro), (🤣Mirassol, Bahia, Botafogo), (Fluminense, São Paulo) e o que resta que esta brigando por manter na , Sula ou não cair

Obviamente precisei ver a probabilidade do campeão, e infelizmente meu time não tem mais chance.

Nesse grafico ja temos sinais do que vai vir mais a frente com a detecção de comunidades. Temos um vertice mestre(Sport) outros 3 conectados a ele e um outro vertice mestre que se conecta com o grupo do Z4 , o Santos.

Calculando a probabilidade de rebaixamento tenho esse resultado(30/09/2025), observe que os time que estão 0%(sem chances de cair) não então na tabela.

Depois criei algumas funções que vão me dar algo mais a frente como verificar os jogos faltantes, simulação de partidas finais e calculo de probabilidade de rebaixamento

Ah, mas como peguei esses dados? Para isso peguei no https://t.co/oNYNQwxDNZ e usando o #BeautifulSoup, extrai e converti dados da tabela diretamente no meu dataframe, assim tenho a minha tabela atual (30/09/2025). Ele veio assim, bem bonitinha