Un método predictivo basado en el Machine Learning (aprendizaje automático) permite pronosticar el marcador de futuros partidos de futbol soccer
Redacción | Staff CONECTA
La Dra. Laura Hervert, investigadora posdoctoral del Tec de Monterrey, desarrolló un método predictivo que permite pronosticar el marcador de partidos de futbol soccer.
Dicho modelo está basado en el aprendizaje automático (Machine Learning), una disciplina de la Inteligencia Artificial.
Con el aprendizaje automático se identifican patrones complejos en millones de datos. A través de la identificación de patrones, es como es posible construir el modelos de predicción.
"Las métricas utilizadas para medir la eficacia de modelo mostraron un resultado favorable"
La académica realizó la predicción de resultados de juegos de 52 ligas del mundo utilizando 200 mil resultados de juegos previos de partidos de liga regular.
Además, el mismo modelo de predicción se utilizó para predecir la fase de grupos de la Copa Mundial de la FIFA.
"Las métricas utilizadas para medir la eficacia de modelo mostraron un resultado favorable. Sin embargo, siempre se puede mejorar", señaló la Dra. Hervert en entrevista para CONECTA.
La doctora en Ciencias de la Ingeniería por el Tecnológico de Monterrey señaló que la presencia de más variables no necesariamente llevan a un pronóstico más certero.
"Tendría que evaluarse qué información adicional es clave y suma al modelo. En ocasiones, más variables sin un análisis previo es una forma de introducir ruido al modelo", expresó.
De acuerdo a la Dra. Hervert, se hizo un modelo apoyado en dos ejes: el primero basado en la posición en la tabla general de cada equipo y el segundo en la historia de partidos disputados entre dos equipos.
"En este caso, el modelo se diseñó para la información disponible. Por el contrario, si hubiera más información disponible, tendría que replantearse un modelo que aproveche dichos datos".
La Dra. Hervert señaló que aunque, en principio, el marco se puede adaptar a una amplia gama de dominios deportivos, no se puede usar en dominios que tienen datos insuficientes.
"Aplicaría para cualquier deporte que presente información estructurada de la misma forma. Por ejemplo, futbol americano, rugby, torneos de tenis, etc.", comentó.
La investigadora señaló que la mayoría de los sistemas de aprendizaje automático necesitan una gran cantidad de datos para obtener buenas predicciones.
"Es importante mencionar que primero se debe revisar la información disponible y después identificar los modelos matemáticos o basados en la ciencia que ayudarán a resolver una problemática en particular", concluyó.
El futbol soccer es el deporte más popular del mundo, y detona un gran movimiento de dinero. Es por ello que se ha despertado un gran interés en construir modelos predictivos y estadísticos gracias a la gran cantidad de información disponible.
Si quieres leer el artículo completo de divulgación escrito por la Dra. Laura Hervert que habla sobre el modelo de predicción para partidos de futbol en el portal Transferencia Tec, presiona aquí.
Notas Relacionadas
Seleccionar notas relacionadas automáticamente
0
Categoría:
Notas Relacionadas
