Me gustaría hacer un pequeño balance sobre los resultados que han arrojado los modelos de Machine Learning en sus dos modalidades, en el pronóstico de simples y de dobles.
Pronostico de Simples. Machine Learning
Durante 60 jornadas he sacado los pronósticos de los modelos de machine Learning. El modelo que más aciertos ha conseguido es el modelo de Regresión con 444 aciertos y una media de 7,53 aciertos por jornada. Parece que tener en cuenta el Modelo de Regresión para una posible columna base puede ser una buena idea, teniendo en cuenta que apunta a quinielas fáciles.
Los modelos de Red Neural y Bayes han tenido 398 y 401 aciertos con una media de 6,80 y 6,75 aciertos respectivamente.
Finalmente el Modelo de Árboles es el que peor resultado ha arrojado, con 379 y una media de 6,42 aciertos.
Es de destacar que la regresión ha alcanzado el 13 en 3 jornadas con una sola columna, en jornadas realmente muy fáciles. Al igual que Bayes el 12 en 3 ocasiones en Jornadas también muy previsibles.
¿Que hubiera pasado si hubiésemos jugado las 4 columnas durante las 60 jornadas?
Pues hubiésemos acertado 3 treces, 3 doces, 6 onces y 14 dieces.
66,47 Euros en premios de una inversión de 165 Euros, un 40,28% de recuperación 0 un 59,72% de perdidas, como se quiera ver.
Abajo os dejo una tabla de correlaciones entre los modelos y el orden de la columna ganadora. La correlación más alta es la de Red Neural con el modelo de Árboles. La regresión también tiene correlaciones por encima de 60% con todos los modelos.
Por supuesto todos los modelos correlacionan de forma negativa con la posición de la columna probable, siendo destacadas las correlaciones de Bayes y Regresión, no quedando demasiado lejos la red neural con un 54% y siendo más débil la correlación con el modelo de árboles. Esto significa que si ordenamos las 3^14 apuestas por probabilidad y las numeramos de 1 a 3^14, desde la más fácil a la más difícil, cuanto más aciertan los modelos más fácil es la columna acertada.
| Red Neural | Bayes | Arbol | Regresion | Col | |
| Red Neural | 1,00 | ||||
| Bayes | 0,35 | 1,00 | |||
| Arbol | 0,69 | 0,46 | 1,00 | ||
| Regresion | 0,64 | 0,63 | 0,63 | 1,00 | |
| Col.Pro | -0,54 | -0,56 | -0,43 | -0,57 | 1,00 |
Pronostico de Dobles.
En los modelos de dobles de Machine Learning, la cosa ha estado más igualada y ha sido el modelo de bayes con 658 aciertos y 11,34 aciertos de media el que se ha llevado el gato al agua. Con un resultado similar queda la regresión que tiene 657 aciertos y 11,34 aciertos de media. Un poco más abajo y con similares resultados la red neural arroja 647 aciertos y 11,16 aciertos de media, mientras que el modelo de árboles se queda en 649 aciertos y 11, 19 de media.
El 14 lo ha logrado Bayes en 6 ocasiones de las 59 jornadas jugadas, la red neural en 4, la regresión en 3 y el modelo de árboles en 2 ocasiones. En número de treces la regresión barre a todos los demás con 12 «treces», mientras los demás modelos oscilan en 6 y 7 aciertos.
En las correlaciones entre modelos podemos apreciar que la red neural y el modelo de árboles tienes la correlación más alta y que la regresión correlaciona fuertemente con todos los modelos. En cuanto a la columna más probable, la correlación es más débil con los dobles que con el modelo de signos simples. Lo que da idea de que entre los signos dobles aparecen signos poco previsibles en los modelos. Bayes es el que mayor relación tiene con la columna de probables con un -0.32.
| Red Neural | Bayes | Arbol | Regresion | Col | |
| Red Neural | 1,00 | ||||
| Bayes | 0,66 | 1,00 | |||
| Arbol | 0,79 | 0,61 | 1,00 | ||
| Regresion | 0,74 | 0,73 | 0,72 | 1,00 | |
| Col.Pro | -0,17 | -0,32 | -0,29 | -0,28 | 1,00 |
Y esto es todo para la temporada 23/24. No sé como de animado estaré para entrenar los modelos de nuevo este verano. A decir verdad, todavía estoy pensando en si arrancar con los modelos en la 24/25.
Un saludo a todos y suerte con la quinielas de Verano.