Un modelo híbrido de aprendizaje automático para predecir los All-Stars de la NBA de EE. UU
Autores: Albert, Alberto Arteta; de Mingo López, Luis Fernando; Allbright, Kristopher; Gómez Blas, Nuria
Idioma: Inglés
Editor: MDPI
Año: 2021
Acceso abierto
Artículo científico
2021
Un modelo híbrido de aprendizaje automático para predecir los All-Stars de la NBA de EE. UU
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería Eléctrica y Electrónica
Palabras clave
Deportes
Capacidades de predicción
Analistas
Información
Sistemas de predicción
NBA All-Stars
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 35
Citaciones: Sin citaciones
A lo largo de la era moderna, los deportes han sido una parte muy importante de la existencia humana. A medida que nuestra documentación de los deportes se ha vuelto más avanzada, también lo han hecho las capacidades de predicción. Actualmente, los analistas llevan un seguimiento de una cantidad masiva de información sobre cada equipo, jugador, entrenador y enfrentamiento. Esta colección ha llevado al desarrollo de sistemas de predicción sin igual con altos niveles de precisión. El problema con estos sistemas de predicción es que son propietarios y muy costosos de mantener. En otras palabras, no son utilizables por la persona promedio. Los deportes, siendo una de las actividades más analizadas en el planeta, deberían ser accesibles para todos. En este documento, se introduce un sistema preliminar para utilizar estadísticas públicamente disponibles y métodos de código abierto para predecir All-Stars de la NBA y se modifica para mejorar la precisión de las predicciones, que alcanzan valores cercanos a 0.9 en precisión bruta y superiores a 0.9 en especificidad.
Descripción
A lo largo de la era moderna, los deportes han sido una parte muy importante de la existencia humana. A medida que nuestra documentación de los deportes se ha vuelto más avanzada, también lo han hecho las capacidades de predicción. Actualmente, los analistas llevan un seguimiento de una cantidad masiva de información sobre cada equipo, jugador, entrenador y enfrentamiento. Esta colección ha llevado al desarrollo de sistemas de predicción sin igual con altos niveles de precisión. El problema con estos sistemas de predicción es que son propietarios y muy costosos de mantener. En otras palabras, no son utilizables por la persona promedio. Los deportes, siendo una de las actividades más analizadas en el planeta, deberían ser accesibles para todos. En este documento, se introduce un sistema preliminar para utilizar estadísticas públicamente disponibles y métodos de código abierto para predecir All-Stars de la NBA y se modifica para mejorar la precisión de las predicciones, que alcanzan valores cercanos a 0.9 en precisión bruta y superiores a 0.9 en especificidad.