Uso de enfoques de aprendizaje automático para predecir los resultados de los juegos: el caso de la liga nacional de fútbol sala

Resumen

El uso de técnicas de aprendizaje automático en el ámbito deportivo crece día a día. Áreas como el análisis deportivo, la predicción de resultados y la prevención de lesiones dependen cada vez más de estas técnicas para obtener resultados más efectivos. En este contexto, este trabajo tiene como objetivo predecir los resultados de los partidos de fútbol sala de la Liga Nacional de Fútbol Sala (LNF) (ganador local, ganador visitante y empate) utilizando los datos generados durante la primera mitad del partido. Los datos se extrajeron del sitio web de la LNF y, además de los atributos extraídos, se propusieron seis nuevos atributos basados ​​en la fuerza de los equipos. Los datos corresponden a las temporadas 2016 a 2019. Los resultados se predicen mediante modelos construidos mediante algoritmos de aprendizaje automático. La validación del modelo se realizó mediante la precisión de los resultados de la predicción. Se crearon diez modelos de predicción y los resultados se organizaron de la siguiente manera: el desempeño individual de cada modelo y un comité de votación en el que el resultado más votado es el resultado utilizado en la predicción. Los resultados indican que los modelos individuales tienen un mejor rendimiento a la hora de predecir un resultado específico (por ejemplo, la victoria del equipo local), alcanzando una precisión del 95%. Por otro lado, el comité logró un mejor desempeño en los resultados agrupados, alcanzando casi un 79% de precisión.