Metodoloji

1Veri Toplama

Ham verilerimizi kurumsal düzeydeki spor API'lerinden alıyoruz ve başlangıç ​​kadrolarından saha koşullarına kadar her konuda en güncel bilgilere sahip olmamızı sağlıyoruz. Modellerimiz için sağlam bir temel oluşturarak maç başına 1.000'den fazla farklı veri noktasını izliyoruz.

2Özellik Mühendisliği

Ham veriler yeterli değil. Ekip performansı dinamiklerini daha iyi yakalamak için özel ölçümler tasarlıyoruz:

• Beklenen Goller (xG) Momentumu: Bir takımın son 5 fikstürdeki performansı ve beklenen performansı.
• Yorgunluk Endeksi: Seyahat mesafesi, dinlenme günleri ve fikstür sıkışıklığına göre hesaplanır.
• Taktik Uyumluluk: Bir takımın tipik dizilişinin, rakibin tercih ettiği dizilişe göre tarihsel olarak nasıl performans gösterdiği.

3Makine Öğrenimi Modelleri

Birkaç farklı makine öğrenimi mimarisini kullanan bir topluluk yaklaşımı kullanıyoruz. Gradient Boosting (XGBoost), verilerde doğrusal olmayan kalıpları bulmamıza yardımcı olurken Poisson regresyon modelleri, İç Saha, Beraberlik ve Deplasman sonuçları için kesin olasılık yüzdelerinin çıktısını almak üzere hedef dağılımlarını simüle eder.

4Döngüdeki İnsan Analizi

Temel olasılıklarımız insan duyguları tarafından etkilenmezken, oluşturulan makalelerimiz ve taktiksel yazılarımız, modelin tepki verdiği istatistiksel fenomeni açıklayan okunabilir, anlayışlı anlatılar oluşturmak için büyük dil modelleri (LLM'ler) kullanır.