Análisis de métricas R² en modelos de regresión deportiva

Clase 13 de 20 • Curso de Fundamentos de Machine Learning

Resumen

Analizar un modelo de regresión es fundamental para determinar su utilidad práctica en escenarios deportivos, como predecir diferencias de goles en partidos. Al evaluar el modelo construido para nuestro caso específico, detectamos claramente que presenta una baja capacidad explicativa, evidenciada por un valor negativo del indicador R².

¿Qué nos dice el R² sobre nuestro modelo?

El R² o coeficiente de determinación es clave para entender cuánto explica nuestro modelo respecto a la variabilidad de los datos:

R² menor a cero: indica que el modelo es peor que adivinar, pues no explica ninguna variabilidad.
R² entre 0 y 0.3: muestra un posible under fitting, es decir, muy poca capacidad explicativa.
R² claramente superior a 0.3: señala un poder explicativo aceptable.

En nuestra situación actual, observamos un R² negativo, reflejando la necesidad urgente de mejorar el modelo.

¿Qué variables podríamos considerar para mejorar el modelo?

Es importante cuestionarnos si las variables actuales reflejan realmente lo necesario para explicar nuestro fenómeno deportivo. Algunas sugerencias interesantes podrían incluir:

La localidad o lejanía del rival.
Las estadísticas de tiros y ataques del adversario.
Otros factores contextuales específicos del deporte.

¿Es válido confiar únicamente en un modelo de regresión lineal?

Si bien la regresión lineal es básica y fácil de interpretar, posee limitaciones importantes aplicadas en el fútbol, especialmente en capturar relaciones complejas o interacciones entre variables. Para tomar decisiones deportivas, a menudo es necesario un modelo más robusto o que maneje información no lineal.

¿Cuáles alternativas de modelo podemos explorar?

Contamos con varias opciones para avanzar a un modelo más robusto y efectivo:

Árboles de decisiones, que explotan relaciones no lineales fácilmente.
Modelos basados en random forest o XGBoost, optimizados para predecir y manejar relaciones complejas.
Incrementar la calidad y precisión del modelo usando validaciones cruzadas, filtrado y transformaciones de datos.

Es fundamental dar prioridad a aprender rápidamente, mejorar tras equivocarnos y avanzar hacia modelos más precisos y útiles en la práctica deportiva. Compártenos qué opinas sobre la aplicabilidad de este modelo y cómo te gustaría mejorarlo.

RENÉ CARDOSO

student•

Ningún modelo es suficiente para tomar decisiones únicamente basados en ello. Es importante el contexto, la confiabilidad del modelo, pero sobre todo el pensamiento crítico.

Ignacio Robles

student•

Interesante ¿cómo lo mejorarías?

Mario Alexander Vargas Celis

student•

Evaluar un modelo de regresión lineal aplicado a datos deportivos (como predecir goles, tiros al arco, puntos, etc.) es esencial para entender qué tan bien está funcionando tu modelo.

⚽ Escenario típico

Supón que tienes datos deportivos y estás prediciendo una variable como:

y = goles A partir de variables como: tiros al arco, posesión, pases, faltas, etc.

✅ Métricas clave para evaluación de regresión lineal

1. 📉 MSE – Error Cuadrático Medio

Penaliza fuertemente los errores grandes.

from sklearn.metrics import mean_squared_error mse = mean_squared_error(y_true, y_pred)

2. 📊 MAE – Error Absoluto Medio

Promedia las diferencias absolutas. Más interpretable y robusto.

from sklearn.metrics import mean_absolute_error mae = mean_absolute_error(y_true, y_pred)

3. 📈 RMSE – Raíz del Error Cuadrático Medio

Muestra el error promedio en la misma escala que la variable objetivo.

rmse = mean_squared_error(y_true, y_pred, squared=False)

4. 🧮 R² – Coeficiente de Determinación

Indica qué proporción de la varianza es explicada por el modelo.
Valor entre 0 y 1 (mejor si se acerca a 1).

from sklearn.metrics import r2_score r2 = r2_score(y_true, y_pred)

🔧 Ejemplo en código:

from sklearn.linear_model import LinearRegression from sklearn.model_selection import train_test_split from sklearn.metrics import mean_squared_error, mean_absolute_error, r2_score import numpy as np import pandas as pd

# Supongamos que tienes datos deportivos data = { 'tiros_arco': [5, 3, 8, 6, 7], 'posesion': [60, 45, 70, 55, 65], 'pases': [500, 300, 700, 450, 600], 'goles': [2, 1, 3, 2, 3] } df = pd.DataFrame(data)

X = df[['tiros_arco', 'posesion', 'pases']] y = df['goles']

# División X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# Entrenar modelo modelo = LinearRegression() modelo.fit(X_train, y_train)

# Predicción y_pred = modelo.predict(X_test)

# Métricas mse = mean_squared_error(y_test, y_pred) mae = mean_absolute_error(y_test, y_pred) r2 = r2_score(y_test, y_pred)

print(f"MSE: {mse:.2f}") print(f"MAE: {mae:.2f}") print(f"R\u00b2: {r2:.2f}")

📌 Interpretación de resultados

Métrica¿Qué indica?MSEQué tan grandes son los errores (penaliza errores grandes).MAEPromedio del error absoluto (más fácil de interpretar).RMSEError típico (en unidades de goles, por ejemplo).R²Qué tan bien el modelo explica la variabilidad del resultado.

Gabriel Obregón

student•

📊 Evaluación de un Modelo de Regresión en Deportes

🎯 Objetivo

Analizar la utilidad práctica del modelo para predecir diferencias de goles en partidos.

📉 Problema Detectado

El modelo tiene R² negativo.
Esto indica muy baja capacidad explicativa: el modelo rinde peor que una predicción al azar.

📘 ¿Qué es el R²?

Coeficiente de determinación que mide cuánta variabilidad de los datos explica el modelo.

🟠 Interpretación:

🔴 R² < 0 → Peor que adivinar.
🟡 0 ≤ R² < 0.3 → Modelo con underfitting (explica muy poco).
🟢 R² > 0.3 → Poder explicativo aceptable.

🧩 ¿Cómo mejorar el modelo?

Incluir variables más representativas, como:

Localidad (jugar en casa o fuera).
Estadísticas del rival (tiros, ataques).
Factores contextuales (clima, estado del campo, etc.).

⚠️ Limitaciones de la Regresión Lineal

Fácil de usar e interpretar ✅
No capta relaciones complejas ❌
Limitada en contextos como el fútbol ⚽

🧠 Alternativas más robustas

Explora otros modelos:

🌳 Árboles de decisión → relaciones no lineales.
🌲 Random Forest / XGBoost → alta precisión y manejo de datos complejos.
🔍 Validación cruzada y transformación de datos → mejoran la calidad del modelo.

Mauricio García Grajales

student•

el modeloo es poco confiable

Juan Acevedo

student•

Yo creo que depronto podriamos haber pasado mas informacion para que el modelo pudiera aprender un poquito mas ya que teiene muy pocos aprametros y depronto esos parametros no estan tan relaconados con la variable objetivo

Ignacio Robles

student•

test y error, interesante enfoque! Deberías bajar el cuaderno, probarlo y decirnos cómo te fue.

Saludos!

Jhon Freddy Tavera Blandon

student•

Lo preocupante

El modelo tiende a sobreestimar ligeramente los goles (más errores positivos que negativos).

Hay algunos errores grandes (> +4 o < -2) que pueden ser costosos en contextos tácticos o estratégicos.

La forma de la distribución no es perfectamente normal (asimetría a la derecha), lo cual podría sugerir:

Que hay outliers.

Que el modelo no captura bien algunas situaciones particulares de los partidos.

Jonathan Quiros Barquero

student•

MSE ≈ 4.96, RMSE ≈ 2.23 → en promedio, el error al predecir la diferencia de goles es de más de 2 goles, lo cual es mucho en un deporte como fútbol.
MAE ≈ 1.89 → en promedio el error absoluto es de casi 2 goles, todavía alto.
R² ≈ -0.028 → un R² negativo significa que el modelo está peor que una línea base que simplemente predijera el promedio de la diferencia de goles para todos los partidos.