AI-система прогнозування результатів матчів
Передбачення спортивних результатів – класичне завдання ML із багатою історією академічних досліджень. Практичні застосування: букмекерські контори, fantasy sports, журналістики. Ключове обмеження: спорт містить істотну випадковість, яку не можна усунути точністю моделі.
Постановка завдання
Цільовий варіант:
- Перемога/нічия/ураження (3-class classification)
- Перемога/ураження (без нічиєї, для систем з overtime)
- Передбачення рахунку (regression) → результат виводиться із рахунку
- xG-пророцтво → результат через симуляцію
Важливе обмеження EMH для спорту: Ціни букмекерів містять агреговану інформацію. Перевершити closing line Pinnacle складніше, ніж здається - sharp money вже враховано.
Дані для футбольної моделі
Характеристики сили команди:
team_features = {
# Recent form
'points_last_5': sum(results_last_5_games),
'goals_scored_pg_last_10': avg_goals_last_10,
'goals_conceded_pg_last_10': avg_conceded_last_10,
'xg_scored_pg_last_10': avg_xg_for, # OPTA/StatsBomb данные
'xg_conceded_pg_last_10': avg_xg_against,
# Shots quality
'shots_on_target_pct': shots_on_target / total_shots,
'conversion_rate': goals / shots_on_target,
# Fatigue
'days_since_last_match': rest_days,
'travel_distance_km': travel_to_venue,
'matches_in_last_14d': fixture_congestion
}
Доступність гравця: Травми та дискваліфікації ключових гравців – один із найбільш значущих предикторів:
# Injury impact score: взвешенный по рейтингу отсутствующих игроков
injury_impact = sum(player_ratings[player] for player in injured_players) / squad_rating
Історія прямих зустрічей: Психологічний фактор та тактичні патерни між конкретними командами. Обмеження: при зміні тренерського штабу історія менш релевантна.
Модель цілей Пуассона
Dixon-Coles (1997): класика футбольного передбачення.
from scipy.stats import poisson
def dixon_coles_probabilities(home_attack, away_attack, home_defence, away_defence, home_advantage=1.1):
"""
lambda_home = exp(home_attack + away_defence + home_advantage)
lambda_away = exp(away_attack + home_defence)
P(score h:a) = Poisson(h, lambda_home) × Poisson(a, lambda_away) × correction_factor
"""
lambda_home = np.exp(home_attack - away_defence + home_advantage)
lambda_away = np.exp(away_attack - home_defence)
max_goals = 10
score_matrix = np.zeros((max_goals, max_goals))
for h in range(max_goals):
for a in range(max_goals):
# Dixon-Coles low-score correction для 0-0, 1-0, 0-1, 1-1
correction = dc_correction(h, a, lambda_home, lambda_away)
score_matrix[h, a] = poisson.pmf(h, lambda_home) * poisson.pmf(a, lambda_away) * correction
p_home = score_matrix[score_matrix > 0].sum(where=range(max_goals)>range(max_goals))
return score_matrix, p_home_win, p_draw, p_away_win
Ансамбль ML
Modeli в ансамблі:
- Dixon-Coles Poisson: статистична базова модель
- LightGBM on features: нелінійні взаємодії фіч
- Elo/Pi-rating system: рейтингова модель (Chess-style для футболу)
- Ринково-імплікова ймовірність (від Pinnacle): очищення через видалення маржі
Укладання:
meta_model = LogisticRegression()
meta_model.fit(
X=np.column_stack([poisson_preds, lgbm_preds, elo_preds, market_preds]),
y=actual_results
)
Оцінка якості моделі
Log Loss: штрафує за невпевненість неправильних передбачень.
log_loss_score = log_loss(actual_results, predicted_probabilities)
# Baseline: uniform predictions (log_loss ≈ 1.099 для 3-class)
# Рыночный baseline: log_loss ≈ 0.95
# Хорошая модель: < 0.93
RPS (Ranked Probability Score): для ранжованих результатів (ураження < нічия < перемога).
Калібрування: Predicted probability 70% має відповідати виграшу у 70% випадків:
from sklearn.calibration import calibration_curve
fraction_pos, mean_predicted_value = calibration_curve(y_true, y_prob, n_bins=10)
Обмеження та чесність
Структурна непередбачуваність: Кращі моделі досягають 55-60% точності за тризначними наслідками. Це значно вище за випадкові 33%, але далеко від 100%.
xG-based моделі: використовують глибшу статистику (xG, тиск, PPDA), але історично не набагато перевершують прості Elo-моделі. Причина: random variance у конверсії xG висока.
Інформаційний горизонт: події дня матчу (останні новини про склад, мотивація) часто важливіші за історичну статистику — доступні лише betting синдикатам.
Терміни: Dixon-Coles baseline + LightGBM для одного виду спорту - 3-4 тижні. Ensemble з market calibration, injury impact і multi-sport coverage - 8-10 тижнів.