Aplicación de algoritmos de aprendizaje automática y ciencia de datos para la predicción de resultados de partidos de fútbol

Abstract

[ES] Los eventos deportivos, especialmente aquellos que involucran la competicio n entre equipos, involucran dina micas complejas entre los participantes que finalmente afectan en el resultado final. Predecir de antemano el resultado de estos eventos deportivos resulta una tarea compleja precisamente por estas complejas dina micas que aparecen en el evento, así por las decisiones que son tomadas por todos los participantes. En muchos casos, incluso expertos humanos erran en sus predicciones y se producen resultados sorprendentes ante todo prono stico. La tarea presenta desafí os desde el punto de vista de la analí tica y el aprendizaje automa tico, pues es un problema que incluso presenta dificultades a los expertos humanos. En este Trabajo de Fin de Grado estudiamos el rendimiento de diferentes algoritmos de aprendizaje automa tico en la tarea de predecir el resultado de partidos de fu tbol profesional con el fin de intentar predecir el resultado final (i.e., victoria local, empate, victoria visitante) en base a informacio n exclusivamente disponible antes del partido. Mediante el uso de estadí sticas relacionadas con la informacio n de los partidos de las 5 grandes ligas europeas, se desarrollan dos abordajes diferentes para tratar de resolver la tarea utilizando algoritmos de aprendizaje automa tico (redes neuronales y me todos de conjunto basados en a rboles de decisio n). Con todo esto, se logra obtener unos resultados del 55% de exactitud y se lleva a cabo el ana lisis de algunas caracterí sticas importantes para la prediccio n de los resultados de los partidos.

[EN] Sports events, especially those involving competition between teams, involve complex dynamics among the participants that ultimately affect the final outcome. Predicting the outcome of these sports events in advance is a complex task precisely because of these intricate dynamics that arise during the event, as well as the decisions made by all the participants. In many cases, even human experts can be wrong in their predictions, leading to surprising results against all expectations. This task presents challenges from the perspective of analytics and machine learning, as it is a problem that even human experts find difficult. In this project, we study the performance of different machine learning algorithms in predicting the outcome of professional football matches, with the goal of forecasting the final result (i.e., home win, draw, away win) based solely on information available before the match. By using statistics related to match information from the five major European leagues, two different approaches are developed to tackle the task using machine learning algorithms (neural networks and ensemble methods based on decision trees). As a result, an accuracy rate of 55% is achieved, and an analysis of some important features for predicting match outcomes is carried out.