El aprendizaje automático predice el ganador de la Copa del Mundo

Matías Hangst | Getty

La Copa Mundial de fútbol de 2018 comienza en Rusia el jueves y es probable que sea uno de los eventos deportivos más vistos de la historia, más popular incluso que los Juegos Olímpicos. Por lo tanto, los ganadores potenciales son de gran interés.

Una forma de medir los resultados probables es observar las probabilidades de los corredores de apuestas. Estas empresas utilizan estadísticos profesionales para analizar extensas bases de datos de resultados de una manera que cuantifica la probabilidad de diferentes resultados de cualquier posible coincidencia. De esta forma, las casas de apuestas pueden ofrecer cuotas para todos los juegos que comenzarán en las próximas semanas, así como cuotas para los posibles ganadores.

Una estimación aún mejor proviene de la combinación de las cuotas de muchas casas de apuestas diferentes. Este enfoque sugiere que Brasil es el claro favorito para ganar la Copa del Mundo de 2018, con una probabilidad del 16,6 por ciento, seguido de Alemania (12,8 por ciento) y España (12,5 por ciento).

Pero en los últimos años, los investigadores han desarrollado técnicas de aprendizaje automático que tienen el potencial de superar los enfoques estadísticos convencionales. ¿Qué predicen estas nuevas técnicas como el resultado probable de la Copa del Mundo de 2018?

Una respuesta proviene del trabajo de Andreas Groll en la Universidad Técnica de Dortmund en Alemania y algunos colegas. Estos muchachos usan una combinación de aprendizaje automático y estadísticas convencionales, un método llamado enfoque de bosque aleatorio, para identificar un ganador más probable diferente.

Primero algunos antecedentes. La técnica de bosque aleatorio ha surgido en los últimos años como una forma poderosa de analizar grandes conjuntos de datos evitando algunas de las trampas de otros métodos de minería de datos. Se basa en la idea de que algún evento futuro puede determinarse mediante un árbol de decisiones en el que se calcula un resultado en cada rama por referencia a un conjunto de datos de entrenamiento.

Sin embargo, los árboles de decisión sufren de un problema bien conocido. En las últimas etapas del proceso de bifurcación, las decisiones pueden distorsionarse gravemente debido a datos de entrenamiento escasos y propensos a una gran variación en este tipo de resolución, un problema conocido como sobreajuste.

El enfoque de bosque aleatorio es diferente. En lugar de calcular el resultado en cada rama, el proceso calcula el resultado de ramas aleatorias. Y lo hace muchas veces, cada vez con un conjunto diferente de ramas seleccionadas al azar. El resultado final es el promedio de todos estos árboles de decisión construidos aleatoriamente.

Este enfoque tiene ventajas significativas. En primer lugar, no sufre del mismo problema de sobreajuste que afecta a los árboles de decisión ordinarios. También revela qué factores son los más importantes para determinar el resultado.

Entonces, si un árbol de decisiones en particular incluye muchos parámetros, es fácil ver cuáles tienen el mayor impacto en el resultado y cuáles no. Estos factores menos importantes pueden ignorarse en el futuro.

Groll y compañía utilizan exactamente este enfoque para modelar la Copa del Mundo de 2018. Modelan el resultado de cada juego que es probable que jueguen los equipos y usan los resultados para construir el curso más probable del torneo.

Groll y compañía comienzan con una amplia gama de factores potenciales que podrían determinar el resultado. Estos incluyen factores económicos como el PIB y la población de un país, la clasificación de la FIFA de los equipos nacionales y las propiedades de los propios equipos, como su edad promedio, la cantidad de jugadores de la Liga de Campeones que tienen, si tienen la ventaja de jugar como locales, etc. .

Curiosamente, el enfoque de bosque aleatorio permite a Groll y compañía incluir otros intentos de clasificación, como las clasificaciones utilizadas por los corredores de apuestas.

Conectar todo esto en el modelo proporciona algunas ideas interesantes. Por ejemplo, los factores más influyentes resultan ser las clasificaciones de los equipos creadas por otros métodos, incluidos los de las casas de apuestas, la FIFA y otros.

Otros factores importantes incluyen el PIB y la cantidad de jugadores de la Liga de Campeones en el equipo. Los factores sin importancia incluyen la población del país, la nacionalidad del entrenador, etc.

Las predicciones a las que se llega a través de este proceso difieren de otras en algunos aspectos importantes. Para empezar, el método del bosque aleatorio elige a España como el ganador más probable, con una probabilidad del 17,8 por ciento.

Sin embargo, un factor importante en esta predicción es la estructura del torneo en sí. Si Alemania supera la fase de grupos de la competición, es más probable que enfrente una fuerte oposición en la fase eliminatoria de 16 equipos. Debido a esto, el método del bosque aleatorio calcula que las posibilidades de Alemania de alcanzar los cuartos de final son del 58 por ciento. Por el contrario, es poco probable que España enfrente una fuerte oposición en los octavos de final, por lo que tiene un 73 por ciento de posibilidades de llegar a cuartos de final.

Si ambos llegan a cuartos de final, tienen más o menos las mismas posibilidades de ganar. España está ligeramente favorecida sobre Alemania, principalmente debido al hecho de que Alemania tiene una probabilidad comparativamente alta de abandonar en los octavos de final, dicen Groll y compañía.

Pero hay un giro adicional. El proceso de árbol aleatorio permite simular todo el torneo y esto produce un resultado diferente.

Groll y compañía simularon todo el torneo 100.000 veces. Según el curso más probable del torneo, en lugar de los españoles la selección alemana ganaría el Mundial, dicen.

Por supuesto, debido a la gran cantidad de permutaciones de juegos, este curso sigue siendo extremadamente improbable. Groll y compañía pusieron las probabilidades en aproximadamente 1 en 100,000.

Así que ahí lo tienes. Al comienzo del torneo, España tiene las mejores posibilidades de ganar, según Groll y compañía. Pero si Alemania llega a los cuartos de final, se convierte en el favorito.

El torneo comienza el jueves, cuando los anfitriones, Rusia, se enfrenten a Arabia Saudita. Lamentablemente, ninguno de estos equipos parece probable que llegue a los cuartos de final.

Ref: arxiv.org/abs/1806.03208 : Predicción de la Copa Mundial de la FIFA 2018: un enfoque de bosque aleatorio con énfasis en los parámetros estimados de habilidad del equipo

esconder