Modelo de clasificación multiclases para la predicción de apuestas deportivas

Abstract

RESUMEN : El proyecto busca crear una herramienta de clasificación multimodal que permita identificar la probabilidad de un resultado en un evento deportivo, específicamente en la Serie A de Italia tomando información de las temporadas desde 2015 y hasta lo que va de la temporada 2023. Se busca predecir tres variables objetivo para los partidos utilizando la herramienta: los goles de local, los goles de visitante y el resultado del equipo local. El modelo utiliza técnicas de análisis de datos y aprendizaje automático para identificar patrones en los datos históricos de los equipos y predecir la probabilidad de cada resultado posible. El contexto de las apuestas deportivas es un sector en constante crecimiento en el que los usuarios buscan obtener beneficios a través de sus conocimientos y habilidades en deportes. El problema de negocios radica en la falta de herramientas y modelos que permitan a los usuarios tomar decisiones informadas y seguras en sus apuestas deportivas. Para abordar este problema, se ha desarrollado un modelo de apuestas deportivas que utiliza algoritmos y análisis estadísticos para predecir los resultados de los partidos de fútbol. Los datos fueron obtenidos de Understat (https://understat.com/) y se utilizan varias métricas de Machine Learning para evaluar el desempeño de los modelos de clasificación, como la exactitud (accuracy), la precisión, la tasa de verdaderos positivos (recall) y la curva característica operativa del receptor (ROC). Durante el desarrollo del proyecto, se enfrentaron algunos obstáculos relacionados con la calidad de los datos, la selección de variables y la elección de los algoritmos de aprendizaje automático más adecuados. Sin embargo, se lograron superar estos obstáculos y se obtuvo a través del modelo Hist Gradient Boosting Classifier (HGBC) una exactitud del 75%, cumpliendo con el rendimiento esperado. La realización de estos modelos se puede consultar en el repositorio de GitHub: https://github.com/lina-martinez/Modelo-clasificacion-multiclases-para-prediccion-de-apuestas-deportivas.git

ABSTRACT : The project proposes to create a multimodal classification tool that allows to identify the probability of a result in a sporting event, specifically in the Italian Serie A for the seasons from 2015 and until the 2023 season. Three objective variables are to be predicted for matches using the tool: home goals, away goals, and home team result. The model uses data analysis and machine learning techniques to identify patterns in historical team data and predict the probability of each possible outcome. The context of sports betting is an ever-growing sector where users seek to profit from their knowledge and skills in sports. The business problem lies in the lack of tools and models that allow users to make informed and safe decisions in their sports betting. To address this problem, a sports betting model has been developed that uses algorithms and statistical analysis to predict the outcome of football matches. The data was obtained from Understat (https://understat.com/) and several machine learning metrics are used to evaluate the performance of the classification models, such as accuracy, precision, true positive rate (recall) and the receiver operating characteristic (ROC) curve. During the development of the project, there were some obstacles related to the quality of the data, the selection of the variables and the choice of the most appropriate machine learning algorithms. However, these obstacles were overcome and an accuracy of 75% was obtained using the Hist Gradient Boosting Classifier (HGBC) model, in line with the expected performance. The implementation of these models can be consulted in the GitHub repository: https://github.com/lina-martinez/Modelo-clasificacion-multiclases-para-prediccion-de-apuestas-deportivas.git