Machine Learning in football prediction of the Belgian Jupiler pro league

Abstract

Deze masterproef onderzoekt het gebruik van machine learning (ML) om voetbalwedstrijden in de Belgische Jupiler Pro League te voorspellen en mogelijke manipulaties in bookmakersquoteringen op te sporen. Op basis van gegevens van 1.390 wedstrijden over vijf seizoenen (2019/20–2023/24) werden vijf ML-algoritmen getraind: Naïve Bayes, Logistische Regressie, Random Forest, XGBoost en Support Vector Machine. De modellen maakten gebruik van pre-match kenmerken zoals recente vorm, thuisvoordeel, Elo-achtige teamratings en k-means contextclusters. Na grondige validatie bleek Random Forest het best te presteren (AUC = 0.696; accuraatheid = 54,0%). Alle modellen hadden echter moeite met het correct voorspellen van gelijkspelen, wat de onvoorspelbaarheid van evenwichtige wedstrijden benadrukt. Analyse van belangrijke kenmerken wees uit dat recente verdedigende prestaties en teamkwaliteit cruciaal zijn. Door modelgebaseerde waarschijnlijkheden te vergelijken met bookmakerkansen, werden tekenen van marktinefficiënties en mogelijke ‘value bets’ gevonden, vooral bij bookmakers met lage marges. Een simulatie met €2 inzet per wedstrijd toonde aan dat zelfs eenvoudige modellen zoals Naïve Bayes winstgevend kunnen zijn bij verkeerd geprijsde odds. De resultaten onderstrepen het potentieel en de beperkingen van ML in sportvoorspellingen en vergroten het bewustzijn rond bookmakerbias en gokrisico’s.