Predicción de resultados en partidos de tenis mediante web scraping y redes neuronales

Abstract

La predicción de resultados en partidos de tenis representa uno de los desafíos más complejos del análisis deportivo, donde la incertidumbre inherente al deporte se combina con múltiples factores que determinan el desenlace final. Este proyecto desarrolla un sistema que integra información histórica de rendimiento con características contextuales de cada encuentro mediante redes neuronales recurrentes, procesando datos del circuito ATP profesional del período 2021-2024 a través de un sistema automatizado de extracción que integra múltiples fuentes. Se desarrollan dos modelos complementarios: uno de clasificación para predecir el resultado binario y otro de regresión para estimar probabilidades de victoria ofrecidas por las casas de apuestas.

Tennis match outcome prediction represents one of the most complex challenges in sports analytics, where the inherent uncertainty of the sport combines with multiple factors that determine the final result. This project develops a system that integrates historical performance data with contextual characteristics of each match through recurrent neural networks, processing ATP professional circuit data from the 2021-2024 period through an automated extraction system that integrates multiple sources. Two complementary models are developed: a classification model to predict binary outcomes and a regression model to estimate victory probabilities offered by bookmakers.