A Two-Stage Modeling Approach for Football Match Outcome Prediction in the English Premier League

Öz

Football match outcome prediction is widely regarded as a challenging problem in sports analytics due to the low-scoring nature of the game, high inherent randomness, and imbalanced class distributions. In the existing literature, match outcomes are typically modeled as a three-class classification problem consisting of home win, draw, and away win. However, this formulation often suffers from poor discriminability of the draw class and reduced decision reliability caused by structural class imbalance. In this study, the football match outcome prediction problem is reformulated using data from the English Premier League (EPL), and a two-stage binary classification framework is proposed. In the first stage, matches are classified as draw or non-draw. In the second stage, matches predicted as non-draw are classified as home or away wins. This decomposition structurally mitigates class imbalance by treating draws as an independent decision problem. The experimental analysis is conducted using EPL match data from the 2012–2025 seasons, considering only information available prior to match kickoff. Time-aware data splitting and feature engineering based on rolling-window performance indicators and relative (delta-based) team features are applied. Logistic Regression, Support Vector Machine, Naive Bayes, Decision Tree, and LightGBM are evaluated. The results demonstrate that the proposed approach yields more stable and interpretable performance, particularly in terms of F1-score and ROC–AUC metrics. The findings highlight that, in football match outcome prediction, the definition and structuring of the problem play a more decisive role than the choice of algorithms.

Anahtar Kelimeler

• football match outcome prediction
• english premier league
• two-stage classification
• hierarchical modeling
• class imbalance

İngiltere Premier Ligi Maç Sonucu Tahmininde İki Aşamalı Bir Modelleme Yaklaşımı

Öz

Futbol maç sonucu tahmini, oyunun düşük skorlu yapısı, yüksek rastlantısallık içermesi ve sınıf dağılımlarının dengesiz olması nedeniyle spor analitiği alanındaki en zor problemlerden biri olarak kabul edilmektedir. Literatürde bu problem çoğunlukla ev sahibi galibiyeti, beraberlik ve deplasman galibiyeti olmak üzere üç sınıflı bir sınıflandırma problemi olarak ele alınmaktadır. Ancak bu yaklaşım, özellikle beraberlik sınıfının düşük ayırt edilebilirliği ve sınıf dengesizliği nedeniyle model performansını ve karar güvenilirliğini sınırlamaktadır. Bu çalışmada, futbol maç sonucu tahmin problemi İngiltere Premier Ligi (EPL) verileri üzerinde yeniden yapılandırılmakta ve iki aşamalı bir ikili sınıflandırma mimarisi önerilmektedir. Önerilen yaklaşımda ilk aşamada bir karşılaşmanın berabere sonuçlanıp sonuçlanmayacağı tahmin edilmekte, ikinci aşamada ise ev sahibi veya deplasman galibiyeti belirlenmektedir. Bu yapı, beraberliği bağımsız bir karar problemi olarak ele alarak sınıf dengesizliğini yapısal olarak azaltmaktadır. Çalışmada, 2012–2025 sezonları arasında oynanan İngiltere Premier Ligi maçlarına ait, yalnızca maç öncesinde erişilebilir veriler kullanılmıştır. Zaman temelli veri bölme stratejisi ile kayan pencere tabanlı ve göreli (delta) özellikler kullanılmıştır. Logistic Regression, Support Vector Machine, Naive Bayes, Decision Tree ve LightGBM algoritmaları değerlendirilmiştir. Deneysel sonuçlar, önerilen yaklaşımın özellikle F1 skoru ve ROC–AUC metrikleri açısından daha kararlı ve yorumlanabilir sonuçlar ürettiğini göstermektedir. Bulgular, futbol maç sonucu tahmininde başarının algoritmadan ziyade problem tanımı ve modelleme stratejisinin uygunluğuna bağlı olduğunu ortaya koymaktadır.

Anahtar Kelimeler

• futbol maç sonucu tahmini
• ingiltere premier ligi
• iki aşamalı sınıflandırma
• hiyerarşik modelleme
• sınıf dengesizliği

Etik Beyan

Bu makalenin yayınlanmasıyla ilgili herhangi bir etik sorun bulunmamaktadır.

Teşekkür

Bu çalışma, Hayri Sever danışmanlığında Alinaz Aksu tarafından tamamlanan “İngiltere Premier Liginde Maç Sonuçlarının Tahmini için İki Aşamalı Makine Öğrenmesi Modeli: Özellik Mühendisliği ve Sınıflandırma Yaklaşımları” başlıklı yüksek lisans tezinden üretilmiştir (Aksu, 2026; Tez No. 1009185).

Kaynakça

1. Aksu, A. (2026). A two-stage machine learning model for football match outcome prediction (Tez No. 1009185) [Yüksek lisans tezi, Çankaya Üniversitesi]. YÖK Ulusal Tez Merkezi.
2. Alfredo, Y. F. ve Isa, S. M. (2019). Football match prediction with tree-based model classification. International Journal of Intelligent Systems and Applications, 11(7), 20-28. https://doi.org/10.5815/ijisa.2019.07.03
3. Baboota, R. ve Kaur, H. (2019). Predictive analysis and modelling football results using machine learning approach for English Premier League. International Journal of Forecasting, 35(2), 741-755. https://doi.org/10.1016/j.ijforecast.2018.01.003
4. Chen, Z. A. (2025). A hybrid machine learning framework for soccer match outcome prediction: Incorporating bivariate Poisson distribution. ITM Web of Conferences, 70, 03020. https://doi.org/10.1051/itmconf/20257003020
5. Constantinou, A. C., ve Fenton, N. E. (2013). Profiting from arbitrage and odds biases of the European football gambling market. The Journal of Gambling Business and Economics, 7(2), 41–70. https://doi.org/10.5750/jgbe.v7i2.630
6. Cristianini, N. ve Shawe-Taylor, J. (2000). An introduction to support vector machines and other kernel-based learning methods. Cambridge University Press.
7. Eryarsoy, E., ve Delen, D. (2019). Predicting the outcome of a football game: A comparative analysis of single and ensemble analytics methods. In Proceedings of the 52nd Hawaii International Conference on System Sciences (pp. 1107–1115). https://doi.org/10.24251/HICSS.2019.136
8. Fischer, M., ve Heuer, A. (2025). Match predictions in soccer: Machine learning vs. Poisson approaches. In D. Memmert (Ed.), Artificial intelligence and machine learning in sports science (pp. 91–102). Springer. https://doi.org/10.1007/978-3-662-70155-3_7

9. Groll, A., Ley, C., Schauberger, G., ve Van Eetvelde, H. (2019). A hybrid random forest to predict soccer matches in international tournaments. Journal of Quantitative Analysis in Sports, 15(4), 271–287. https://doi.org/10.1515/jqas-2018-0060
10. Krawczyk, B. (2016). Learning from imbalanced data: Open challenges and future directions. Progress in Artificial Intelligence, 5(4), 221–232. https://doi.org/10.1007/s13748-016-0094-0
11. Lee, J., Kim, J., Kim, H. ve Lee, J.-S. (2022). A Bayesian approach to predict football matches with changed home advantage in spectator-free matches after the COVID-19 break. Entropy, 24(3), 366. https://doi.org/10.3390/e24030366
12. Loukas, K., Karapiperis, D., Feretzakis, G. ve Verykios, V. S. (2024). Predicting football match results using a Poisson regression model. Applied Sciences, 14(16), 7230. https://doi.org/10.3390/app14167230
13. Rana, D., ve Vasudeva, A. (2019). Premier League match result prediction using machine learning [Project report]. Jaypee University of Information Technology.
14. Rico-González, M., Pino-Ortega, J. P., Méndez, A., Clemente, F. M. ve Baca, A. (2023). Machine learning application in soccer: A systematic review. Biology of Sport, 40(1), 249–263. https://doi.org/10.5114/biolsport.2023.112970
15. Sathe, S., Kasat, D., Kulkarni, N. ve Satao, R. (2017). Predictive analysis of Premier League using machine learning. International Journal of Innovative Research in Computer and Communication Engineering, 5(3), 4121–4124. https://ijircce.com/admin/main/storage/app/pdf/losl28bHbQP5sQkmz47Ez0gPQqvCdrr7wYYHfogH.pdf
16. Tang, J., Alelyani, S., ve Liu, H. (2014). Feature selection for classification: A review. In C. C. Aggarwal (Ed.), Data classification: Algorithms and applications (pp. 37–64). CRC Press. https://doi.org/10.1201/b17320
17. Wan, X. (2019). Influence of feature scaling on convergence of gradient iterative algorithm. Journal of Physics: Conference Series, 1213(3), 032021. http://doi.org/10.1088/1742-6596/1213/3/032021
18. Wong, A., Li, E., Le, H., Bhangu, G. ve Bhatia, S. (2025). A predictive analytics framework for forecasting soccer match outcomes using machine learning models. Decision Analytics Journal, 14, 100537. https://doi.org/10.1016/j.dajour.2024.100537