Método basado en técnicas de aprendizaje de máquinas para estimar la probabilidad de victoria de equipos en partidos de la Asociación de Ultimate Frisbee (UFA)

Abstract

Este trabajo presenta el desarrollo de un método basado en técnicas de aprendizaje de máquinas para estimar la probabilidad de victoria de equipos en partidos de la Asociación de Ultimate Frisbee (UFA). La investigación abarca la recopilación y estructuración de datos históricos de partidos, la selección de características relevantes, la implementación y optimización de modelos de clasificación, y la evaluación de su desempeño mediante métricas adecuadas. Se determinó la ventana de partidos óptima para el cálculo de estadísticas avanzadas y se compararon diversos modelos de aprendizaje de máquinas. Los resultados indican que el modelo regresión logística ofrece un equilibrio entre interpretabilidad, exactitud y calibración, logrando estimaciones confiables de la probabilidad de victoria. Este trabajo representa una contribución significativa a la analítica deportiva en el Ultimate Frisbee y sienta las bases para futuras investigaciones en el área. (Tomado de la fuente)

This study presents the development of a method based on machine learning techniques to estimate the win probability of teams in Ultimate Frisbee Association (UFA) games. The research covers the collection and structuring of historical games data, the selection of relevant features, the implementation and optimization of classification models, and the evaluation of their performance using appropriate metrics. The optimal window of games for calculating advanced statistics was determined, and various machine learning models were compared. Results indicate that the logistic regression model provides a balance between interpretability, accuracy and calibration, achieving reliable win probability estimates. This study represents a significant contribution to sports analytics in Ultimate Frisbee and lays the groundwork for future research in the field.