Predictor de resultados de juegos de fútbol con redes neuronales artificiales y cadenas de Márkov

Abstract

The present project has as its finality the implementation of a Soccer match result predictor using Machine-Learning tools such as Artificial Neural Networks and Markov chains to perform such predictions. First of all, the importance of computer systems in today's world is mentioned along with a general description of the different types of predictions that have existed: from the ones used by our ancestors, up until the modern probabilistic predictors that exist today. Next, the design of the prediction system is discussed. In it, as it was previously mentioned, Artificial Neural Networks as well as first and second order Markov chains were used. Each of this predictors will obtain its own result that will not always agree with the others. Afterwards, some of the tests performed to validate this work's performance are presented, evaluating the veracity of its predictions. Lastly, some possible improvements to the system are discussed along with the conclusions reached within it.

El presente proyecto tiene como finalidad la implementación de un predictor de resultados de partidos de futbol utilizando herramientas de aprendizaje máquina, para realizar dichas predicciones, como son las redes neuronales y las cadenas de Markov. Primeramente, se menciona la importancia que tienen los sistemas de cómputo en la actualidad y se brinda una descripción general de los diferentes tipos de predicción desde los utilizados por nuestros antepasados hasta los modernos predictores probabilistas de hoy en día. Enseguida se prosigue con el diseño de un sistema de predicciones de resultados de juegos de futbol en el cual, como se mencionó, se utilizan redes neuronales y cadenas de Markov de primer y segundo orden. Cada uno de estos predictores obtendrá un resultado propio por lo que no siempre existirá coincidencia entre ellos. Posteriormente se presentan algunas pruebas realizadas para validar el funcionamiento del proyecto, evaluando veracidad de las predicciones. Para terminar, se plantean posibles mejoras futuras del trabajo y las conclusiones alcanzadas en el mismo.