DATA ANALYSIS & EXPLAINABILITY - FootySage

Este módulo del proyecto FootySage se centra en la creación de modelos predictivos para partidos de fútbol profesional y el análisis de su explicabilidad.

Se utilizan datos de Open Data de StatsBomb para predecir el resultado de partidos (local, empate, visitante) en las cinco grandes ligas europeas y entender qué factores influyen más en dichas predicciones.

Objetivo general

• Predecir el resultado de partidos durante la temporada 2015/2016 en: La Liga, Premier League, Serie A, Ligue 1, 1. Bundesliga y en las cinco en general
• Analizar la explicabilidad de los modelos más efectivos usando SHAP, para identificar las características más determinantes en cada liga.

Estructura del proyecto

• data/

  • processed/: Partidos procesados con variables limpias.
  • reduced/: Datos finales listos para el modelado.

• models/: Contiene los mejores modelos entrenados para cada competición.

• src/: Contiene el core del procesamiento y análisis:

  • Preprocesamiento y extracción desde la API de StatsBomb.
  • Funciones para entrenamiento, evaluación y análisis SHAP.

• Notebooks:

  • 0_datasets_building.ipynb: Construcción de datasets.
  • 1_experimentation.ipynb: Entrenamiento y evaluación de modelos por liga.
  • 2_analysis_<Liga>.ipynb: Análisis de explicabilidad individual.
  • 2_analysis_Top5Leagues.ipynb: Análisis de explicabilidad de las ligas de manera global.

• reports/: Contiene los informes de cada competición analizada en formato .pdf, es decir, los análisis de explicabilidad de las ligas que estan en formato .ipynb en formato .pdf por si quieren descargarse solo los informes.

Preparación de Datos y Modelado

• Modelos: Se prueban distintos algoritmos de ML (Random Forest, Logistic Regression, etc.) con distintas técnicas de preprocesado (PCA, MI, oversampling, etc.).
• Validación: Se evalúan métricas como Accuracy, F1-score y matriz de confusión por liga.
• Features: Variables tácticas, estadísticas y de contexto del partido.

Explicabilidad con SHAP

Se emplea SHAP para entender:

• ¿Qué variables tienen más peso para predecir una victoria local?
• ¿Qué factores diferencian cada liga?
• ¿Qué influye en el rendimiento de un equipo específico?

Resultados Clave

• Precisión general: Modelos alcanzan buenas tasas de acierto (~61%-72% dependiendo la liga).
• Comparativa entre ligas: Diferencias interesantes en el peso de las variables.
• Aplicabilidad: Este trabajo sirvió de base para el desarrollo de la app FootySage.