Modelo de machine learning para evaluación del rendimiento de jugadores de fútbol.

Abstract

La evaluación del desempeño de forma objetiva no es una tarea fácil, puesto que generalmente se realiza por personas, las cuales tienen sus propios sesgos y juicios personales. Este trabajo presenta una herramienta para evaluar el rendimiento deportivo de futbolistas mediante modelos de machine learning basados en datos estadísticos de la liga chilena de fútbol profesional. Se presenta una escala de evaluación que asigna una nota a cada jugador para cada partido disputado. La nota se calcula a partir de un modelo de regresión lineal donde los predictores varían de acuerdo a la posición del campo de juego donde se desempeña el jugador. La regresión se escoge como modelo para estimar luego de comparar su carácter predictivo, mediante la raíz del error cuadrático medio (RMSE), con otros modelos como Red Neuronal (2,98), Support Vector Machine (5,57) y Random Forest (2,44). Si bien su estimación no es precisa (4,42), se escoge debido a su interpretabilidad y amplio uso en la literatura. El modelo permite comparar el rendimiento entre distintos jugadores, tanto para un partido en específico como a lo largo del torneo. Como resultado se obtienen las variables que son significativas, para cada posición y explicar el rendimiento del jugador. Se concluye que existen variables relevantes para evaluar independiente de la posición del campo de juego, mientras que existen otras que solo son relevantes para una posición en específico.