---
title: UFC KO/TKO Predictor
emoji: 🥊
colorFrom: 'red'
colorTo: 'blue'
sdk: gradio
sdk_version: "4.3.0"
app_file: app.py
pinned: false
license: mit
---

# 🥊 Predictor de Finalización UFC (KO/TKO)

Aplicación de Machine Learning que predice la **probabilidad de que un combate termine por Knockout/Technical Knockout (KO/TKO)**, basándose en el análisis de estadísticas de los peleadores y el contexto de la pelea.

## 🎯 Objetivo y Modelo

El modelo de clasificación fue entrenado para responder a la pregunta binaria: **¿El combate finaliza por KO/TKO (1) o Decisión/Sumisión (0)?**

* **Algoritmo Principal:** **Random Forest Classifier** (Seleccionado tras una evaluación comparativa).
* **Métrica Clave:** **AUC Score** (Área bajo la curva ROC), priorizando la capacidad de distinción de clases.
* **Pipeline de Preprocesamiento:** Incluye Imputación de nulos, `StandardScaler` y `OneHotEncoder` para la ubicación (`Location`). 

[Image of Heatmap of a Correlation Matrix]


## 📊 Características Clave Analizadas

El modelo utiliza características de diferencia y estadísticas brutas:

* **Diferencias:** Diferencia de Knockdowns (`KD_diff`), Golpes Significativos (`STR_diff`), Derribos (`TD_diff`) y Sumisiones.
* **Estadísticas Brutas:** `Round` actual, Precisión de golpeo de ambos peleadores.
* **Contexto:** Ubicación del evento (`Location`) y Categoría de Peso (OHE).

## ⚙️ Arquitectura Técnica

El servicio se despliega usando el ciclo de vida completo de ML:

1.  **Entorno:** Google Colab / Scikit-learn.
2.  **Serialización:** `model.pkl` y `preprocessor.pkl`.
3.  **Despliegue:** **Gradio** en un **Hugging Face Space**.

## 💻 Uso de la Interfaz

1.  **Ingresa las estadísticas** brutas y de diferencia de los peleadores.
2.  **Asegúrate de que la Ubicación** sea correcta (usado para codificación).
3.  El modelo devuelve una **Probabilidad de KO/TKO (%)** y el **Resultado Más Probable**.

---
*Este proyecto fue desarrollado con fines educativos y de demostración para el curso de Análisis de Datos.*