[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"detail-sidebar-cat-0-es-110":3,"doc-seo-127028-110":49,"doc-detail-127028-es":118},{"code":4,"msg":5,"data":6},0,"success",[7,13,17,21,25,29,33,37,41,45],{"id":8,"doc_module":4,"doc_module_name":9,"category_name":10,"show_sort_weight":11,"slug":12},39,"Document","Cómic",60,"comic",{"id":14,"doc_module":4,"doc_module_name":9,"category_name":15,"show_sort_weight":11,"slug":16},43,"Estilo de Vida","lifestyle",{"id":18,"doc_module":4,"doc_module_name":9,"category_name":19,"show_sort_weight":11,"slug":20},38,"Examen","exam",{"id":22,"doc_module":4,"doc_module_name":9,"category_name":23,"show_sort_weight":11,"slug":24},44,"General","general",{"id":26,"doc_module":4,"doc_module_name":9,"category_name":27,"show_sort_weight":11,"slug":28},41,"Investigación e Informes","research-report",{"id":30,"doc_module":4,"doc_module_name":9,"category_name":31,"show_sort_weight":11,"slug":32},37,"Literatura","literature",{"id":34,"doc_module":4,"doc_module_name":9,"category_name":35,"show_sort_weight":11,"slug":36},22,"Relatos y Novelas","story-novel",{"id":38,"doc_module":4,"doc_module_name":9,"category_name":39,"show_sort_weight":11,"slug":40},42,"Religión y Espiritualidad","religion-spirituality",{"id":42,"doc_module":4,"doc_module_name":9,"category_name":43,"show_sort_weight":11,"slug":44},40,"Salud y Atención Médica","healthcare",{"id":46,"doc_module":4,"doc_module_name":9,"category_name":47,"show_sort_weight":11,"slug":48},24,"Tecnología","technology",{"code":4,"msg":50,"data":51},"ok",{"site_id":52,"language":53,"slug":54,"title":55,"keywords":56,"description":57,"schema_data":58,"social_meta":111,"head_meta":113,"extra_data":115,"updated_unix":117},110,"es","machine-learning-techniques-applied-to-forecasting-football-match-results","Técnicas de Machine Learning aplicado al forecasting de los resultados de fútbol","","Creación de un modelo de aprendizaje automático para predecir resultados de partidos de La Liga a partir de estadísticas de la primera parte y variables de rendimiento histórico construidas con datos de temporadas previas. Se emplean regresión logística multinomial, Random Forest, KNN y Extreme Gradient Boosting. Tras evaluar la calidad de los modelos, se ajusta el periodo de estudio combinando variables base de quince años con rendimiento histórico de cinco años y eliminando variables que degradan el rendimiento. El mejor desempeño se obtiene con regresión logística multinomial y una precisión global de 62,27%.",{"@graph":59,"@context":110},[60,77,93],{"@type":61,"itemListElement":62},"BreadcrumbList",[63,68,71,74],{"item":64,"name":65,"@type":66,"position":67},"https://docshare.wps.com","Home","ListItem",1,{"item":69,"name":9,"@type":66,"position":70},"https://docshare.wps.com/es/document/",2,{"item":72,"name":27,"@type":66,"position":73},"https://docshare.wps.com/es/document/investigación-e-informes/",3,{"item":75,"name":55,"@type":66,"position":76},"https://docshare.wps.com/es/document/machine-learning-techniques-applied-to-forecasting-football-match-results/127028/",4,{"url":75,"name":55,"@type":78,"author":79,"headline":55,"publisher":82,"fileFormat":85,"inLanguage":53,"description":57,"dateModified":86,"datePublished":87,"encodingFormat":85,"isAccessibleForFree":88,"interactionStatistic":89},"DigitalDocument",{"name":80,"@type":81},"Asher","Person",{"url":64,"name":83,"@type":84},"DocShare","Organization","application/pdf","2026-08-27","2026-08-05",true,{"@type":90,"interactionType":91,"userInteractionCount":76},"InteractionCounter",{"@type":92},"ViewAction",{"@type":94,"mainEntity":95},"FAQPage",[96,102,106],{"name":97,"@type":98,"acceptedAnswer":99},"Qué objetivo persigue el trabajo y qué se predice?","Question",{"text":100,"@type":101},"El trabajo busca crear un modelo de aprendizaje automático capaz de predecir los resultados de partidos de La Liga.","Answer",{"name":103,"@type":98,"acceptedAnswer":104},"Qué variables y periodos se utilizan para construir el modelo?",{"text":105,"@type":101},"Se usan estadísticas de la primera parte como variables base y se añaden variables de rendimiento histórico calculadas con periodos definidos (quince años para base y cinco años para rendimiento histórico), tras ajustar/eliminar algunas variables según su impacto.",{"name":107,"@type":98,"acceptedAnswer":108},"Qué modelo logra la mejor precisión y cuál es su valor?",{"text":109,"@type":101},"La mejor precisión global se obtiene con la regresión logística multinomial, con un 62,27%.","https://schema.org",{"og:url":75,"og:type":112,"og:title":55,"og:site_name":83,"og:description":57},"article",{"robots":114,"canonical":75},"index,follow",{"doc_id":116,"site_id":52},127028,1785936413,{"code":4,"msg":5,"data":119},{"doc_id":116,"user_id":120,"nickname":80,"user_avatar":121,"doc_module":4,"category_id":26,"category_name":27,"doc_title":55,"doc_description":57,"doc_content":122,"file_id":123,"file_url":124,"file_type":125,"file_size":126,"view_count":76,"is_deleted":4,"is_public":67,"is_downloadable":67,"audit_status":67,"page_count":127,"language":128,"language_code":53,"site_id":52,"html_lang":53,"table_of_contents":129,"faqs":130,"seo_title":131,"seo_description":57,"update_tm":117,"read_time":132},962084928904,"https://ap-avatar.wpscdn.com/davatar_155a257f0dc6eb9ab79c44ca47cae57d","Grado en Estadística  \nTítulo: Técnicas de Machine Learning aplicado al forecasting de los resultados de fútbol  \nAutor: Pol González García  \nDirector: Salvador Torra Porras  \nDepartamento: Econometría, Estadística y Economía Española  \nConvocatoria: Junio 2023  \nResumen del trabajo  \nEste trabajo tiene como objetivo la creación de un modelo mediante métodos de aprendizajeautomático que sea capaz de predecir los resultados de partidos de fútbol de La Liga. Para ello se usarán unos datos base que contienen diferentes estadísticas hasta la media parte de todos los partidos jugados en la Liga en los últimos quince años y se crearán unas variables de rendimiento histórico. Los métodos de Machine Learning utilizados serán la regresión Logística Multinomial, el Random Forest, KNN y Extreme gradient boosting. Después de la evaluación de los modelos se ha decidido modificar el tiempo de estudio en varias ocasiones, llegando a un modelo donde las variables del modelo base se calculan usando un periodo de quince años y las variables de rendimiento histórico de cinco años, eliminando alguna de estas últimas. Finalmente se obtiene la mejor precisión global para el método de Regresión Logística Multinomial con un resultado del 62. 27% .  \nPalabras clave: Machine Learning; Precisión; Recall; F1-Score; Regresión Logística Multinomial; Random Forest; KNN; Extreme Gradient Boosting.  \nEnglish Summary  \nThis project aims to create a model, using machine learning methods, that is capable of predicting the results of a Spanish first division football match. To accomplish that, we will use a baseline data that contains different statistics from the first half of the matches played in La Liga in the last fifteen years of competition, and we will add to it some historical performance variables created by using statistics gathered during those matches. The machine learning methods that will be used in the project are multinomial logistic regression, random forest, KNN and Extreme Gradient Boosting. After the evaluation of the base models, it has been decided that it will be necessary to modify the time of study. First, the study period has been changed to the last seven years, obtaining better results of the models that contain historical performance data and worse ones for the base models that only contain information up to the middle part. For this reason it has been decided to use a combination of years, using the variables with information of the first half of the match of the last fifteen years and calculating the historical performance variables only for the last five years. Evaluating the resulting models, it has been chosen to eliminate some historical performance variable that made the model’s quality decrease. Finally, we get a model where the base variables are calculated for the last fifteen years and the historical performance variables are calculated for the last five years, eliminating some of them. The best result is obtained with the Multinomial logistic regression method of this last model, with an overall precision of 62. 27% .  \nKey words: Machine Learning; Precision; Recall; F1-Score; Multinomial logistic regression; Random Forest; KNN; Extreme Gradient Boosting.  \nClasificación AMS: 62-04; 62-07; 65-04  \nSumario  \n1. Introducción ........................................................................................................................... 1  \n2. Metodología ........................................................................................................................... 4  \n2.1 Datos ................................................................................................................................ 4  \n2.2 Metodología Machine Learning ...................................................................................... 9  \n2.2.1 Proceso de selección de variables ............................................................................ 9  \n2.2.2 Evaluación del modelo.........................","cbCairZRHq3IukmZ","https://ap.wps.com/l/cbCairZRHq3IukmZ","pdf",1710139,121,"Spanish","# Introducción\n# Metodología\n## Datos\n## Metodología Machine Learning\n### Proceso de selección de variables\n### Evaluación del modelo\n### Interpretación del modelo\n## Métodos\n# Resultados\n## Análisis descriptivo base de datos\n## Modelos\n### Regresión Logística Multinomial\n### Random Forest\n### KNN\n### XGBoost\n## Análisis de sensibilidad de las variables\n## Modelo “7y”\n## Modelo “15y/5y”\n## Modelo “15y/5y var”\n## Comparativa de los modelos analizados\n# Conclusiones","[{\"question\":\"Qué objetivo persigue el trabajo y qué se predice?\",\"answer\":\"El trabajo busca crear un modelo de aprendizaje automático capaz de predecir los resultados de partidos de La Liga.\"},{\"question\":\"Qué variables y periodos se utilizan para construir el modelo?\",\"answer\":\"Se usan estadísticas de la primera parte como variables base y se añaden variables de rendimiento histórico calculadas con periodos definidos (quince años para base y cinco años para rendimiento histórico), tras ajustar/eliminar algunas variables según su impacto.\"},{\"question\":\"Qué modelo logra la mejor precisión y cuál es su valor?\",\"answer\":\"La mejor precisión global se obtiene con la regresión logística multinomial, con un 62,27%.\"}]","Técnicas de Machine Learning aplicado al forecasting de los resultados de fútbol | PDF",186]