🏀 Predicción de Resultados de Partidos de la NBA con Redes Neuronales

Este proyecto implementa una red neuronal artificial (RNA) para predecir el equipo ganador en partidos de baloncesto de la NBA, utilizando estadísticas históricas de partidos reales.

---

📁 Contenidos

• code.ipynb: Notebook con el desarrollo completo del modelo, desde la carga de datos hasta la evaluación.
• game.csv: Dataset con estadísticas detalladas de más de 65.000 partidos de la NBA.

---

📊 Descripción del Dataset

El archivo game.csv contiene registros históricos de partidos de la NBA, incluyendo información sobre ambos equipos (local y visitante) y sus estadísticas. A continuación se listan algunos atributos relevantes:

Atributo	Tipo	Descripción
season_id	int	ID de la temporada NBA
team_name_home	string	Nombre del equipo que juega como local
team_name_away	string	Nombre del equipo visitante
game_date	string	Fecha del partido en formato ISO
wl_home, wl_away	string	Resultado del equipo (W = Win, L = Loss)
pts_home	float	Puntos anotados por el equipo local
pts_away	float	Puntos anotados por el equipo visitante
fg_pct_home	float	Porcentaje de tiros de campo del equipo local
fg_pct_away	float	Porcentaje de tiros de campo del equipo visitante
ast_home, ast_away	float	Asistencias
reb_home, reb_away	float	Rebotes totales
plus_minus_home	int	Diferencia de puntos cuando el jugador estuvo en cancha
video_available_home	int	Indica si hay video disponible (1 = sí, 0 = no)

El dataset contiene un total de 55 columnas con estadísticas por equipo.

---

🧠 Modelo de Red Neuronal

• Tipo: Perceptrón multicapa (MLP)
• Entradas: Atributos numéricos derivados del dataset (pts_home, pts_away, fg_pct_*, etc.)
• Salida: Equipo ganador (local o visitante)
• Librerías utilizadas:
  • Pandas, NumPy para el procesamiento de datos
  • Scikit-learn para codificación y división de datos
  • TensorFlow/Keras para el modelado de la RNA

---

🧪 Resultados

• El f1-score en el conjunto de prueba: 0.75

---