Adatelemzés

0. AI, nem chatbot

Milyen mesterséges intelligenciát használunk

A TippPilot sportfogadás segítő, nem nyelvi modell. A tippet nem egy csevegő AI találja ki. Labdarúgásra tanított machine learning modellek (LightGBM, XGBoost) és egy Poisson-alapvonal adják a valószínűséget. Tenisznél Bradley–Terry erősségi modell, csak élő győztes-árral. Ugyanarra a meccsre ugyanaz a szám jön ki.

1. A kérdés

Valószínűség vs. piaci ár

A fogadóiroda szorzója implicit valószínűséget hordoz. Decimális szorzónál π ≈ 1 / odds. (Az irodák árrése miatt a kimenetelek összege 1-nél nagyobb.) A TippPilot ugyanarra az eseményre egy független modellvalószínűséget (p) számol, majd megméri, mennyire tér el a piacétól.

előny = (p − π) / π

Ha p > π, a modell szerint a kimenetel gyakrabban következik be, mint amit a szorzó beáraz. Ez nem nyerési ígéret, hanem statisztikai eltérés: a zöld „előny” jelvény ezt mutatja. A program nem helyez el fogadást.

2. Adat

Honnan jön a naptár és a szorzó

A meccsek és a szorzók élő adatszolgáltatókból érkeznek. Ami nincs a forrásban, az nem jelenik meg meccsként.

• Labdarúgás: program, csapatstatisztika (lapok, szögletek, lövések, szabálytalanságok) és játékvezető.
• Szorzók: európai fogadóirodák decimális árai. A felületen a bookok mediánja látszik — nem kitalált szám.
• Tenisz és más sportok: a naptár és a győztes szorzó ugyanabból a piaci adatból jön. Győztes-tipp csak akkor készül, ha van élő győztes-ár.

3. Labdarúgás

Magyarázó változók és machine learning ensemble

A foci tippek Over/Under piacokra mennek: lapok (3,5 / 4,5 / 5,5), szögletek (8,5–12,5), lövések, szabálytalanságok. Minden meccshez a rúgás előtti történetből készül a vektor: a vizsgált meccs saját statisztikája nem kerül bele, hogy a modell ne „lássa a jövőt”.

Magyarázó változók

• Hazai / vendég 5 és 10 meccses gördülő átlag a célstatisztikára
• Kapott érték (amit az ellenfelek produkáltak) 5 meccsen
• Pálya-specifikus átlag (hazai pályán / idegenben)
• Ligaátlag a rúgás előtti ablakban
• A két csapat átlagának összege és különbsége — ebből jön a Poisson várható értéke
• Pihenőnapok; lapoknál a játékvezető historikus átlaga

Három becslő

Poisson-alapvonal. Ha λ a meccsre várható összesítés, a P(X > vonal) a Poisson-eloszlás túlélési függvénye. Ez a klasszikus, értelmezhető kiindulás.

LightGBM és XGBoost. Ez a két gradient boosting modell a machine learning magja. Ugyanazon változókon bináris osztályozó: a cél 1, ha a lejátszott meccsen a statisztika átlépte a vonalat. A tanítás időbeli vágással történik (nem véletlen mintával): a korábbi meccsek tanítanak, a későbbiek validálnak. Elegendő mintánál szigmoid kalibráció, hogy a kimeneti p ne legyen túl magabiztos.

p = 0,7 · (p_LGBM + p_XGB) / 2 + 0,3 · p_Poisson

A validációs AUC-t piaconként nézzük. 0,52 alatti vonalat nem tartunk elég erősnek ahhoz, hogy kikerüljön a listára.

4. Szűrés

Mikor kerül ki tipp

Nem minden pozitív előnyű sor jelenik meg. Van minimális előny (kb. 3 százalékpontos relatív eltérés; a megbízhatóság ezt tovább emelheti) és minimális konfidencia. A gyanúsan nagy előnyt — például élő szorzó mellett 25% fölött — eldobjuk, mert az inkább hiányos adatra utal, mint valódi eltérésre.

A megbízhatóság meta-pontszám: a modell AUC-ja az adott piacon, plusz a virtuális napló hozama és találati aránya ugyanazon a ligán. Alacsony pontszámú liga–piac páros nem kerül a listába.

5. Tenisz és más sport

Élő győztes-ár és erősségi prior

Tenisznél a győztes-esély egy Bradley–Terry / logit prior: játékosonként rögzített erősségi pont. Az esély:

p_hazai = 1 / (1 + exp(−(r_hazai − r_vendég) / 8))

A világranglista eleje (Alcaraz, Sinner, Djokovic) magasabb pontot kap; a többiek a mezőnyátlaghoz közeli értéken vannak. Ezt csak az élő győztes-szorzóval vetjük össze. A várható érték: p · odds − 1. Ha a kedvenc helyesen van árazva (például 1,20), az előny nullához közeli vagy enyhén negatív — a modell nem erőltet értéket oda, ahol a piac már pontos.

6. Utóellenőrzés

A Napló

Minden kirakott focitipp virtuális téttel bekerül a naplóba. A tét a szorzóhoz igazodik: kisebb szorzó → 5 egység (óvatos), közepes → 2, magas szorzó → 0,5 (rizikós). Lejátszás után a tényleges statisztika (lap, szöglet stb.) eldönti, nyert vagy vesztett:

eredmény = tét · (odds − 1) ha az Over bejött, különben −tét

Az elmúlt hét összesítője meccsenként egy sort mutat — a legnagyobb előnyű piacot —, hogy átlátható maradjon. Ez a tanítástól független, utólagos ellenőrzés. Nincs benne valódi pénz, és nem automatikus fogadás.

7. Limitációk

Amit a modell nem állít

• Nem magyarázza, „miért” kaptak sok lapot — csak becsül.
• A szorzó európai piaci közép; a te irodád pár századot eltérhet.
• A tenisz erősségi prior durvább, mint a foci ensemble; egyik sem helyettesít scoutingot.
• Sérülés, keret, élő játék közbeni állapot nincs a változók között.
• A TippPilot nem kötődik fogadóirodához. A döntés és a tét a felhasználóé.

A Kedvencek a profilod csapatait és játékosait elemzi. A Tippek lista sporttól függetlenül a magas árat keresi — ritkábban jön be, kis tét indokolt.

Tovább a mai tippekre · Virtuális napló