Pino Mejías, José LuisPiedras Martínez, Juan2025-07-232025-07-232025-06-02Piedras Martínez, J. (2025). Predicción de resultados deportivos mediante técnicas de aprendizaje estadístico. Aplicación al tenis. (Trabajo Fin de Grado Inédito). Universidad de Sevilla, Sevilla.https://hdl.handle.net/11441/175618Este trabajo aborda la predicción del resultado de partidos de tenis profesional correspondientes a torneos de Masters 1000 y Grand Slam disputados durante el año 2024, utilizando distintas técnicas de aprendizaje estadístico. En primer lugar se presenta un marco teórico de las distintas técnicas empleadas, con especial énfasis en el Gradient Boosting Machine, un algoritmo que combina modelos débiles para alcanzar una gran capacidad de predicción. Además, se presentan ciertas herramientas de interpretación del modelo construido que permitan entender el origen de las predicciones realizadas. Por otro lado, se introducen varios conceptos clave de este deporte junto a la construcción de una base de estadísticas anuales. Además, se analiza si la inclusión de estas variables en el modelo mejora su capacidad de clasificación. Se presta especial atención al empleo de técnicas de regularización, con el objetivo de mejorar la capacidad predictiva a partir de los datos utilizados, evitando el sobreajuste.This document focuses on predicting the outcomes of professional tennis matches played in the 2024 Masters 1000 and Grand Slam tournaments, using various statistical learning techniques. First, a theoretical framework is presented covering the different methods used, with special emphasis on the Gradient Boosting Machine, an algorithm that combines weak learners to achieve high predictive performance. In addition, several model interpretation tools are introduced to help understand the origin behind the predictions made. Furthermore, several key concepts from the sport are introduced, along with the construction of an annual statistics database. The analysis also explores whether the inclusion of these variables improves the model’s classification performance. Special attention is paid to the use of regularization techniques, aiming to enhance predictive accuracy based on the available data while avoiding overfitting.application/pdf76 p.spainfo:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/openAccess