Sistema de predicción de resultados para los partidos de fútbol de la Liga Profesional Colombiana
Documentos PDF
Abstract
El avance tecnológico ha impulsado transformaciones en varios sectores económicos, incluida la industria de las apuestas deportivas, que ha experimentado un crecimiento del 37% en el mercado europeo en la última década [1]. En Colombia, las apuestas en línea han aumentado significativamente desde que el gobierno las regularizó en 2015, con un crecimiento del 303% hasta abril de 2022, representando el 32% del mercado de juegos de azar en el país [2].
El fútbol es el deporte dominante en las apuestas deportivas colombianas, representando casi el 90% de ellas y moviendo alrededor de 94.000 millones de pesos colombianos al año [3]. Este crecimiento se atribuye a la tecnología, que ha permitido recopilar información detallada sobre equipos y jugadores para comprender mejor las tendencias de rendimiento [4].
El aumento en la predicción de resultados deportivos ha generado una variedad de métodos y modelos, utilizados por compañías como Betegy, Opta, Forebet y Stats. Sin embargo, estos modelos muestran resultados divergentes y a menudo tienen una precisión limitada [5].
El aprendizaje automático, conocido como Machine Learning (ML), desempeña un papel crucial en la predicción de resultados deportivos. ML se basa en el desarrollo de algoritmos que permiten a las computadoras aprender patrones y tomar decisiones sin ser programadas explícitamente [6].
Varios estudios han demostrado la eficacia del ML en la predicción de resultados deportivos, aunque aún existen desafíos debido a la complejidad de los factores y variables que influyen en los resultados finales [7]. El fútbol colombiano presenta desafíos adicionales debido a limitaciones en la disponibilidad de datos [5].
Este estudio propone evaluar diferentes métodos de análisis y predicción, como Redes Neuronales Artificiales (ANN), Máquinas de Soporte Vectorial (SVM), Árboles de Decisión (DT) y el Sistema de Clasificación ELO, utilizando variables comunes entre los métodos propuestos por compañías y estudios académicos independientes. El objetivo es implementar un sistema de predicción que aumente la certeza y exactitud para los usuarios de las apuestas deportivas en la liga profesional colombiana. [8]
Summary in foreign language
Technological advancement has driven transformations across various economic sectors, including the sports betting industry, which has experienced a 37% growth in the European market over the last decade [1]. In Colombia, online betting has significantly increased since its regulation by the government in 2015, with a 303% growth rate until April 2022, representing 32% of the country's gambling market [2].
Football is the dominant sport in Colombian sports betting, representing nearly 90% of it and moving around 94 billion Colombian pesos annually [3]. This growth is attributed to technology, which has enabled the collection of detailed information about teams and players to better understand performance trends [4].
The increase in sports results prediction has led to a variety of methods and models used by companies such as Betegy, Opta, Forebet, and Stats. However, these models often yield divergent results and have limited accuracy [5].
Machine Learning (ML) plays a crucial role in sports results prediction. ML relies on the development of algorithms that enable computers to learn patterns and make decisions without explicit programming [6].
Several studies have demonstrated the effectiveness of ML in sports results prediction, although challenges remain due to the complexity of factors and variables influencing final outcomes [7]. Colombian football presents additional challenges due to data availability limitations [5].
This study proposes to evaluate different methods of analysis and prediction, such as Artificial Neural Networks (ANN), Support Vector Machines (SVM), Decision Trees (DT), and the ELO Classification System, using common variables among methods proposed by companies and independent academic studies. The aim is to implement a prediction system that increases certainty and accuracy for users of sports betting in the Colombian professional league. [8]
Palabras clave
Apuestas en línea; Redes neuronales; Árboles de decisión; ELO; Máquinas de soporte vectorial; Dimayor; Fútbol colombianoCollections
Comments