Вчера вечером я сидел над данными по матчу Be'sat Kermanshah — Pars Jonoubi JAM, где модель показала 95% вероятности победы хозяев, и думал: что вообще стоит за этими цифрами? Сегодня разберём всё по полочкам.
Что такое feature engineering и почему xG — это не приговор
Любая ML-модель начинается с данных. Мы не кидаем в алгоритм «кто сильнее» — мы даём ему конкретные метрики. Главная звезда — xG (ожидаемые голы). Это вероятностная оценка: если игрок бьёт с 11 метров в центральную позицию, модель считает, что шанс забить ~0.15. Но xG — это не приговор. Реальный исход зависит от реализации моментов, решений ВАР, психологического настроя и банального человеческого фактора. Гол может не забить даже игрок с xG 0.80 за матч.
Помимо xG, в фичи идут: текущая форма команд (последние 5-10 игр), рейтинг Glicko-2 (динамическая оценка силы), травмы ключевых игроков, мотивация (кубок или лига?), погода и даже история личных встреч.
Какие модели мы используем
Random Forest — ансамбль из множества решающих деревьев. Каждое дерево «голосует» за исход, а итоговый результат — медиана. Устойчив к переобучению, хорошо работает на гетерогенных данных.
XGBoost и LightGBM — градиентный бустинг. Они последовательно улучшают модель, добавляя деревья там, где предыдущие ошиблись. LightGBM быстрее, XGBoost точнее на маленьких выборках.
CatBoost — фирменная разработка Yandex. Отлично работает с категориальными признаками (названия команд, лиги) без сложной.
Нейросети — глубинные архитектуры (LSTM, Transformer) для учёта временных рядов: как менялась форма команды за сезон, последовательности матчей.
Ансамбли: когда одна модель — плохо, а десять — отлично
Ключевой приём — стэкинг. Мы не выбираем одну лучшую модель. Мы берём топ-5, даём им сыграть каждый свой прогноз, а затем мета-модель (обычно та же логистическая регрессия) учитывает, в каких условиях какая архитектура даёт лучший результат. Например, на матчах молодёжных составов (как Estrela U23 vs Farense U23, где П1=63%) лучше работает CatBoost, а в топ-лигах — LightGBM.
Также используем бэггинг (несколько независимых запусков одной модели на разных подвыборках) и вейтинг по исторической точности каждой архитектуры.
Показатели точности: честная статистика
Наша усреднённая точность на топ-ligaх — около 68-72% в прогнозе исхода (П1/X/П2). На тоталах — до 75%. Для примера: матч Mes Rafsanjan — Niroye Zamini получил прогноз «тотал меньше 2.5» именно потому, что обе команды вlastних 5 играх набирали в сумме 2.1 xG противника и 1.8 своих — модель видела паттерн низкой результативности.
Но важно: 95% вероятность (как в прогнозе на Be'sat Kermanshah) — это не гарантия. Это сигнал о высоком перевесе. Банкролл-менеджмент всё равно требует ставки в 1-3% от банкролла, даже при таких кэф-сигналах.
Главный вывод
ИИ не гадалка. Это мощный инструмент, который находит паттерны быстрее человека, но всегда оставляет пространство для неожиданности. Используйте прогнозы как ориентир, а не как истину в последней инстанции. И помните: даже 70% точности на дистанции — это отличный результат для беттинга.
#модель #результат #работает #lightgbm #топ
