El objetivo principal de esta investigación es realizar un modelado probabilístico utilizando técnicas de Machine Learning que permita predecir el resultado de los combates (ganados o perdidos) y la duración de un combate en función de ciertas características de los luchadores o de las acciones realizadas durante los combates. Además, se propone implementar tres tipos de modelado: regresión, clasificación y creación de clústeres.
Para este proyecto se utilizará únicamente el dataset UFC.csv, el cual corresponde a la combinación de los archivos CSV obtenidos desde Kaggle (event_details.csv, fight_details.csv y fighter_details.csv).
Este dataset contiene toda la información relacionada con las peleas de la UFC, incluyendo los detalles de los eventos y los combates realizados, así como estadísticas de rendimiento de los peleadores, tales como el porcentaje de golpes acertados, derribos, caídas, control sobre el oponente y otras características esenciales del combate.
- Fuente: Kaggle — ufc-datasets-1994-2025
- Licencia: CC0 1.0 Universal
- Origen de los datos crudos: ufcstats
- Filas: ~8.000 registros
- Columnas: 124 características
- Formato: CSV (
UFC.csv)
-
Clonar el repositorio:
git clone https://github.com/BrandonLCC/UFC-ML.git
-
Acceder al directorio:
cd UFC-ML
- pandas:
2.2.2 - numpy:
2.0.2 - matplotlib:
3.10.0 - seaborn:
0.13.2 - scikit-learn:
1.6.1
Python 3.12 (compatible con todas las librerías usadas)