AI-система предсказания результатов матчей

AI-система предсказания результатов матчей

Предсказание спортивных результатов — классическая задача ML с богатой историей академических исследований. Практические применения: букмекерские конторы, fantasy sports, журналистика. Ключевое ограничение: спорт содержит существенную случайность, которую нельзя устранить точностью модели.

Постановка задачи

Варианты таргета:

• Победа/ничья/поражение (3-class classification)
• Победа/поражение (без ничьей, для систем с overtime)
• Предсказание счёта (regression) → исход выводится из счёта
• xG-предсказание → результат через симуляцию

Важное ограничение EMH для спорта: Цены букмекеров содержат агрегированную информацию. Превзойти closing line Pinnacle сложнее, чем кажется — sharp money уже учтено.

Данные для футбольной модели

Team strength features:

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
}

Player availability: Травмы и дисквалификации ключевых игроков — один из наиболее значимых предикторов:

# Injury impact score: взвешенный по рейтингу отсутствующих игроков
injury_impact = sum(player_ratings[player] for player in injured_players) / squad_rating

Head-to-head history: Психологический фактор и тактические паттерны между конкретными командами. Ограничение: при смене тренерского штаба — история менее релевантна.

Poisson Goal Model

Dixon-Coles (1997): классика футбольного предсказания.

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

ML Ensemble

Modeli в ансамбле:

1. Dixon-Coles Poisson: статистическая базовая модель
2. LightGBM on features: нелинейные взаимодействия фич
3. Elo/Pi-rating system: рейтинговая модель (Chess-style для футбола)
4. Market-implied probability (от Pinnacle): cleaning через margin removal

Stacking:

meta_model = LogisticRegression()
meta_model.fit(
    X=np.column_stack([poisson_preds, lgbm_preds, elo_preds, market_preds]),
    y=actual_results
)

Оценка качества модели

Log Loss: штрафует за неуверенность неправильных предсказаний.

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 ранжированных исходов (поражение < ничья < победа).

Calibration: Predicted probability 70% должна соответствовать выигрышу в 70% случаев:

from sklearn.calibration import calibration_curve
fraction_pos, mean_predicted_value = calibration_curve(y_true, y_prob, n_bins=10)

Ограничения и честность

Структурная непредсказуемость: Лучшие модели достигают 55-60% точности по трёхзначным исходам. Это значительно выше случайных 33%, но далеко от 100%.

xG-based модели: используют более глубокую статистику (xG, давление, PPDA), но исторически не намного превосходят простые Elo-модели. Причина: random variance в конверсии xG высока.

Информационный горизонт: события дня матча (последние новости о составе, мотивация) часто важнее исторической статистики — доступны только betting синдикатам.

Сроки: Dixon-Coles baseline + LightGBM для одного вида спорта — 3-4 недели. Ensemble с market calibration, injury impact и multi-sport coverage — 8-10 недель.