Previsione di risultati calcistici grazie al Machine Learning

Il presente documento tratta l'uso di moderni strumenti di Machine Learning per provare a prevedere al meglio il risultato di incontri calcistici, prendendo nello specifico il campionato italiano. Questo è possibile grazie ad un vasto dataset che contiene risultati, goal, classifiche e via discorrendo, di tutte le partite disputate negli ultimi 6 anni di Serie A, opportunamente modificato ed elaborato per consentire ai modelli di ML di perfezionarsi al meglio. Partendo dal presupposto che nel calcio nulla è certo e che ogni partita ha la sua storia, l'obiettivo è di ottenere un risultato quanto più accettabile possibile. Attraverso l'utilizzo di diverse tecniche di ML, quali Support Vector Machines, Random Forests e Gradient Boosting, siamo in grado di trovare una correlazione tra i dati disponibili prima dell'evento e l'esito della partita, al fine di poter prevedere quest'ultimo col solo utilizzo dei dati disponibili precedentemente. Questi ultimi vengono sia presi così come sono, sia vengono elaborati in modo da ottenere ulteriori indici riguardanti l'incontro, ad esempio si può intuire la forma delle squadre in base alle prestazioni ottenute negli ultimi match, tarandola a sua volta sulla forma delle squadre affrontate. Una buona parte del lavoro riguarda infatti capire quali features hanno più influenza sull'esito finale e come crearne altre in grado di rendere più efficace il modello allenato su di esse. A loro volta, andranno poi trovati i parametri adatti ad ogni modello volti a perfezionare il risultato finale.