Usando machine learning para predecir resultados deportivos - Blog Yunbit Software

Hasta ahora, lo que conocemos de machine learning es su amplio uso en reconocimiento facial, reconocimiento de imágenes, reconocimiento de voz, etc., pero hay una línea de investigación un poco menos conocida y que resulta muy interesante… para nuestros bolsillos.

Desde siempre han existido aplicaciones que permitían predecir el resultado de un partido de fútbol, baloncesto, etc, con más o menos acierto, usando para ello diferentes cálculos probabilísticos. Y esos resultados podíamos extrapolarlos para rellenar una quiniela o realizar una apuesta. Con machine learning y deep learning nos abaratan y facilitan la tarea de la predicción de resultados deportivos.

Pero, ¿realmente son capaces de predecir los resultados deportivos con una alta precisión?, y lo que es más importante: ¿cuánto dinero se puede ganar? Vamos a verlo.

Empecemos retrocediendo un poco en el tiempo, ya que las investigaciones sobre la predicción de resultados deportivos no son nuevas. Concretamente a octubre de 1997, cuando se publicó (aunque se actualizó en agosto de 1998) del paper: “PREDICTING AND RETROSPECTIVE ANALYSIS OF SOCCER MATCHES IN A LEAGUE“, donde se analiza un modelo predictivo de partidos de fútbol europeo de la Premier League inglesa para la temporada 1997-1998. En este paper nos sugieren una nueva forma de realizar estas predicciones (respecto a los intentos anteriores) utilizando un modelo Bayesiano linear en vez de usar un cálculo para obtener un índice de defensa-ataque de cada equipo. Como resultado consiguieron un beneficio del 39,6% después de ganar 15 de las 48 apuestas simples repartidas entre 17 victorias como local, cinco empates y 26 victorias como visitante.

En años recientes nos encontramos con diferentes intentos de predecir los resultados deportivos. Como en el caso de este paper: “Predicting Horse Racing Result Using TensorFlow“, donde sus autores exponen cómo utilizar TensorFlow (Google) para predecir los resultados de las carreras de caballos. Después de realizar varios modelos probaron el que mejor probabilidad de acierto tenía en la temporada 2015-2016, la cual tiene 784 carreras. Utilizaron un fondo de 7840 dólares para realizar apuestas de 10 dólares en cada carrera. Después de evaluar los modelos ninguno era capaz de generar beneficios, aunque el modelo linear era el que menos dinero perdía. Los autores esperan mejorar el modelo y obtener beneficios.

Un nuevo intento en 2016, esta vez publicado en un blog: How I Used Machine Learning to Predict Soccer Games for 24 Months Straight. Ya te lo digo yo: rico rico no se hizo. Su modelo era capaz de predecir el 70% de los resultados, pero no era una máquina de hacer dinero. Tal como indica el autor, su modelo era capaz de igualar a un experto en apuestas, y como efecto colateral observó cómo se eliminaba el sesgo humano: apostar por nuestro equipo sin pensar en las posibilidades reales que tiene de victoria.

Estos papers y artículos publicados en Internet nos dejan entrever que sí, es posible predecir los resultados deportivos pero aún no se ha conseguido un modelo que sea capaz de tener un alto índice de precisión (>90%), lo que nos permitiría conseguir ese ansiado pleno al 15 de la quiniela.

Con machine learning, deep learning y los nuevos modelos que llegarán, se nos abren grandes posibilidades no solo de conocimiento, si no también de negocio tanto para empresas como particulares.

Y para terminar os dejo la traducción del último párrafo del primer paper, porque define en pocas líneas las razones de porqué investigar en esta rama:

“Vemos como la comunidad estadística está avanzando en la comprensión del arte que predice el fútbol, que es de vital importancia por dos razones: i) demostrar la utilidad de los modelos estadísticos y pensar en un problema que a la mayoría de la gente realmente le preocupa, y ii) ¡hacernos ricos con las apuestas!“