Aplicación de algoritmos de aprendizaje automático para la valoración de futbolistas profesionales

Abstract

[ES] La expansión del Big Data en el mundo de los deportes es cada vez más grande. Si nos enfocamos en el mundo del fútbol, cada vez son más los clubes o entidades que apuestan por el análisis de datos deportivos para mejorar el rendimiento de sus jugadores, evitar lesiones, estudiar a los equipos rivales o fichar jugadores. Muchas veces hemos visto casos en los que un club termina pagando más de lo que probablemente valga un jugador. Es un trabajo complicado y del que se han hecho pocos estudios. Por ello, en este trabajo, se propone el uso de modelos de regresión basados en machine learning para predecir el valor de mercado de los futbolistas. Para realizar el trabajo, se ha seguido la metodología CRISP-DM. Se han empleado R y Python como lenguajes de programación, librerías de Python como Pandas, Matplotlib, Seaborn, Scikit- Learn, entre otras, y Power BI para la representación de los datos. Se han probado todos los modelos de regresión del estado del arte así como otros que han mejorado los resultados. Dichos modelos se eligen tras realizar varios experimentos comparando su rendimiento. El modelo que hace una mejor predicción es el XGBoost.

[EN] The expansion of Big Data in the world of sports is ever increasing. If we focus on the world of football, more and more clubs or entities are betting on the analysis of sports data to improve the performance of their players, avoid injuries, study rival teams or sign players. We have often seen cases where a club ends up paying more than a player is probably worth. It is a complicated job and one that has been studied very little. Therefore, in this paper, we propose the use of regression models based on machine learning to predict the market value of football players. The work follows the CRISP-DM methodology. R and Python were used as programming languages, Python libraries such as Pandas, Matplotlib, Seaborn, Scikit-Learn, among others, and Power BI for data representation. All state-of-the-art regression models have been tested, as well as others that have improved the results. These models are chosen after several experiments comparing their performance. The model with the best prediction is the XGBoost.

[CA] L'expansió del Big Data en el món dels esports és cada vegada més gran. Si ens centrem en el món del futbol, cada cop són més clubs o entitats apostant per l’anàlisi de dades esportives per millorar el rendiment dels seus jugadors, evitar lesions, estudiar equips rivals o signar jugadors. Moltes vegades hem vist casos en què un club acaba pagant més que un jugador val la pena. És una feina complicada i s’han fet pocs estudis. Per aquest motiu, en aquest treball, es proposa l’ús de models de regressió basats en l’aprenentatge automàtic per predir el valor de mercat dels futbolistes. Per dur a terme l’obra, es segueix la metodología CRISP-DM. R i Python s’han utilitzat com a llenguatges de programació, biblioteques Python com Pandas, Matplotlib, Seaborn, Scikit-Learn, entre d’altres, i Power BI per a la representació de dades. Tots els models de regressió d’última generació, així com d’altres que han millorat els resultats, s’han provat. Aquests models es trien després de realitzar diversos experiments comparant el seu rendiment. El model que fa la millor predicció és el XGBoost.