A questo punto ci siamo resi conto di aver perso diverse records, infatti, il nostro dataset, contiene partite solo dal 2005 in poi, questo è dovuto al fatto che le partite antecedenti non possedevano le quote dei bookmakers e presentavano un maggior numero di NaN e di dati non validi.

Malgrado ciò abbiamo valutato che la quantità di dati che possediamo sia sufficiente all'addestramento del nostro modello e dunque questa perdita a seguito della pulizia non risulta un problema.

Adesso che il nostro dataset è pulito procediamo con l'elaborazione di alcuni dati al fine di creare delle nuove features che possano essere utili al successivo addestramento del modello.

Questo processo non è stato svolto interamente nello stesso momento bensì in parte subito dopo la pulizia e in parte durante la procedura di tuning del modello in quanto allo sviluppo di queste variabili e stato mirato al miglioramento della precisione predittiva del modello.

Dopo aver costruito e allenato il modello, procediamo alla sua valutazione. 

I risultati ottenuti nel test set confermano che il modello generalizza bene, mantenendo performance molto simili a quelle osservate durante l’addestramento e la validazione incrociata. Questo indica l’assenza di overfitting e una buona solidità complessiva. 

L’analisi dell’importanza delle variabili ha permesso di identificare quali caratteristiche influenzano maggiormente le previsioni del modello. Tra queste spiccano le differenze di ranking e di punti ATP tra i giocatori, seguite dalla prolificità su superficie e torneo. Queste evidenze sono coerenti con la logica sportiva e confermano che il modello basa le sue decisioni su informazioni rilevanti e interpretabili. 

Ed eccoci giunti alla fase finale del progetto: la generazione delle previsioni.

Come primo passo, abbiamo ottenuto la lista aggiornata dei Top 10 tennisti al mondo tramite web scraping da Wikipedia, così da mantenere dinamico l’elenco dei giocatori.

A ciascun tennista della lista abbiamo poi associato due indicatori fondamentali: i valori di Surface Prolificy e la Tournament Prolificy relativa a Wimbledon, in modo da fornire al modello un contesto specifico e realistico per ogni match simulato.

La dashboard consente di visualizzare facilmente le previsioni: basta selezionare i due giocatori per ottenere, in automatico, non solo l’esito stimato del match, ma anche una serie di informazioni utili, tra cui statistiche individuali e precedenti scontri diretti. 

*Per una visualizzazione ottimale consigliamo Tableau Public

Wimbledon 2025 è stata l’occasione perfetta per mettere alla prova il mio modello predittivo su un evento reale e attuale. L’idea era semplice: sfruttare i dati storici degli ultimi 25 anni e alcune metriche avanzate per anticipare l’esito dei match tra i top player del torneo.
Nonostante il numero limitato di partite disputate tra i giocatori selezionati (solo 4 match), questo primo test ha offerto indicazioni incoraggianti:

• Djokovic vs De Minaur → Previsione: vince Djokovic ✅
  
  

• Sinner vs Djokovic → Previsione: vince Sinner ✅
  
  

• Alcaraz vs Fritz → Previsione: vince Alcaraz ✅
  
  

• Alcaraz vs Sinner → Previsione: vince Alcaraz ❌
  
  

Il modello ha centrato 3 previsioni su 4, con una precisione del 75%, perfettamente in linea con quanto osservato nella fase di test (circa 70% di accuratezza su dati storici).

Naturalmente il modello è ancora migliorabile, soprattutto per quanto riguarda la gestione delle superfici, delle condizioni fisiche e delle dinamiche più complesse dei tornei. Tuttavia, come primo tentativo ritengo il risultato molto positivo, e rappresenta un ottimo punto di partenza per sviluppi futuri