Técnicas y algoritmos para predecir el resultado de los partidos de fútbol utilizando la minería de datos, una revisión de la literatura

• Autores: Araujo-Ahon, Antonio, Cardenas-Mayta, Brayan, Iparraguirre-Villanueva, Orlando, Zapata-Paulini, Joselyn, Cabanillas-Carbonell, Michael
• Formato: artículo
• Fecha de Publicación: 2023
• Institución: Universidad Autónoma del Perú
• Repositorio: AUTONOMA-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.autonoma.edu.pe:20.500.13067/2944
• Enlace del recurso: https://hdl.handle.net/20.500.13067/2944
• Nivel de acceso: acceso abierto
• Materia: Fútbol; Algoritmo; Aprendizaje automático; Predicciones; https://purl.org/pe-repo/ocde/ford#2.02.04

El resultado de un deporte se ha convertido en una necesidad para los competidores, así como para los fanáticos que siguen a sus equipos favoritos. Sin embargo, la predicción de los resultados de un partido de fútbol (PSMR) es muy variada debido a los diversos modelos existentes. La investigación es una revisión sistemática de la literatura (SLR) basada en manuscritos publicados en IEEE Xplore, Scopus, Science Direct y Springer. Se utilizó la metodología Prisma para el análisis y sistematización. El objetivo de esta investigación es ofrecer una guía para haciendo uso de técnicas de machine learning (ML). Los resultados mostraron que las técnicas de ML más utilizadas son el aprendizaje supervisado (SL) y el aprendizaje no supervisado (UL) y el algoritmo de ML más frecuente para predecir el resultado de un partido de fútbol es Random Forest (RF), teniendo en cuenta su gran contribución en la precisión de la predicción. Además, tras el estudio se propone un modelo novedoso y eficiente para predecir el resultado de los partidos de fútbol, apoyado con Data Mining (DM) y centrado en ML.