Cuando los datos dejan de representar el presente
Un modelo predictivo aprende relaciones a partir de información histórica. El problema aparece cuando esas relaciones cambian y los datos antiguos dejan de describir correctamente el entorno actual.
Este fenómeno se conoce como concept drift o deriva de concepto. Puede afectar a modelos deportivos aunque su estructura técnica no haya cambiado.
Un sistema que funcionaba bien durante varias temporadas puede perder precisión si los equipos, las reglas o el propio mercado evolucionan.
Cambios en el estilo de juego
Los deportes no permanecen estáticos. Los equipos modifican sus tácticas, aparecen nuevas formas de presión y cambia la frecuencia de determinados tipos de jugadas.
Un modelo de baloncesto entrenado en una etapa con menos lanzamientos de tres puntos puede estimar mal partidos de una liga donde ese tiro ha adquirido un peso mucho mayor.
En fútbol, una modificación general en la altura de la presión o en el tiempo añadido también puede alterar variables que antes parecían estables.
Plantillas y entrenadores
La identidad estadística de un equipo puede cambiar después de un mercado de fichajes o de la llegada de un nuevo entrenador.
Utilizar promedios de varias temporadas sin distinguir esas etapas mezcla contextos diferentes. Un club puede conservar el mismo nombre, pero desarrollar un estilo completamente nuevo.
Los modelos necesitan detectar cuándo la información antigua aporta menos valor que los partidos recientes.
Cambios en las reglas y el calendario
Una modificación reglamentaria puede alterar la duración, el ritmo o la cantidad de acciones. También influyen calendarios más densos, descansos diferentes y nuevos formatos de competición.
El modelo puede interpretar esos cambios como variaciones aleatorias si no incorpora una variable que represente el nuevo contexto.
Incluso el modo de registrar las estadísticas puede cambiar. Una definición distinta de una acción produce datos que parecen comparables, aunque no se hayan medido de la misma manera.
Cambios en el comportamiento del mercado
Los mercados de apuestas también evolucionan. Nuevos modelos, más información pública y una reacción más rápida a las noticias pueden reducir el valor de patrones que antes resultaban útiles.
Una relación entre una estadística y el movimiento de las cuotas puede desaparecer cuando más participantes comienzan a utilizarla.
El modelo no solo debe adaptarse al deporte, sino también a la manera en que el mercado interpreta la información.
Cómo detectar la pérdida de rendimiento
Una señal aparece cuando los errores recientes aumentan de forma constante. No basta con observar una mala semana, porque cualquier sistema atraviesa periodos desfavorables.
Conviene comparar la precisión, la calibración y otras métricas en distintas ventanas temporales. Si el rendimiento disminuye durante varios periodos consecutivos, puede existir un cambio estructural.
También pueden compararse las distribuciones de las variables. Un cambio sostenido en el número de tiros, goles o posesiones indica que los datos recientes se alejan de los utilizados durante el entrenamiento, aunque por sí solo no demuestra que exista concept drift. Para confirmarlo, conviene revisar también el rendimiento del modelo y la relación entre las variables de entrada y los resultados.
Formas de adaptación
Una opción consiste en entrenar de nuevo el modelo con información reciente. Otra es reducir el peso de temporadas antiguas mediante ventanas móviles.
El ajuste no debe hacerse después de cada resultado aislado. Una adaptación excesiva puede provocar que el sistema persiga ruido temporal y pierda estabilidad.
Documentar los cambios ayuda a distinguir una evolución real de una racha aleatoria. El concept drift no se elimina por completo, pero puede controlarse con revisiones periódicas y pruebas sobre datos posteriores.
