{"id":45858571,"url":"https://github.com/mtgr18977/sassamaru-br-25","last_synced_at":"2026-02-27T05:20:54.622Z","repository":{"id":336522248,"uuid":"1007945914","full_name":"mtgr18977/sassamaru-br-25","owner":"mtgr18977","description":"Este projeto implementa um modelo híbrido de previsão de partidas de futebol, combinando a força estatística do modelo de Poisson com o ajuste dinâmico do rating Elo. ","archived":false,"fork":false,"pushed_at":"2026-02-04T20:36:27.000Z","size":535,"stargazers_count":1,"open_issues_count":0,"forks_count":0,"subscribers_count":0,"default_branch":"main","last_synced_at":"2026-02-05T08:37:29.547Z","etag":null,"topics":["ml","soccer","statistics"],"latest_commit_sha":null,"homepage":"https://www.kaggle.com/code/paulopilotti/modelo-sassamaru-br-25","language":"Jupyter Notebook","has_issues":true,"has_wiki":null,"has_pages":null,"mirror_url":null,"source_name":null,"license":null,"status":null,"scm":"git","pull_requests_enabled":true,"icon_url":"https://github.com/mtgr18977.png","metadata":{"files":{"readme":"README.md","changelog":null,"contributing":null,"funding":null,"license":null,"code_of_conduct":null,"threat_model":null,"audit":null,"citation":null,"codeowners":null,"security":null,"support":null,"governance":null,"roadmap":null,"authors":null,"dei":null,"publiccode":null,"codemeta":null,"zenodo":null,"notice":null,"maintainers":null,"copyright":null,"agents":null,"dco":null,"cla":null}},"created_at":"2025-06-24T19:26:35.000Z","updated_at":"2026-02-04T20:36:32.000Z","dependencies_parsed_at":null,"dependency_job_id":null,"html_url":"https://github.com/mtgr18977/sassamaru-br-25","commit_stats":null,"previous_names":["mtgr18977/sassamaru-br-25"],"tags_count":1,"template":false,"template_full_name":null,"purl":"pkg:github/mtgr18977/sassamaru-br-25","repository_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/mtgr18977%2Fsassamaru-br-25","tags_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/mtgr18977%2Fsassamaru-br-25/tags","releases_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/mtgr18977%2Fsassamaru-br-25/releases","manifests_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/mtgr18977%2Fsassamaru-br-25/manifests","owner_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/owners/mtgr18977","download_url":"https://codeload.github.com/mtgr18977/sassamaru-br-25/tar.gz/refs/heads/main","sbom_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/mtgr18977%2Fsassamaru-br-25/sbom","scorecard":null,"host":{"name":"GitHub","url":"https://github.com","kind":"github","repositories_count":286080680,"owners_count":29885808,"icon_url":"https://github.com/github.png","version":null,"created_at":"2022-05-30T11:31:42.601Z","updated_at":"2026-02-26T23:51:21.483Z","status":"online","status_checked_at":"2026-02-27T02:00:06.759Z","response_time":57,"last_error":null,"robots_txt_status":"success","robots_txt_updated_at":"2025-07-24T06:49:26.215Z","robots_txt_url":"https://github.com/robots.txt","online":true,"can_crawl_api":true,"host_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub","repositories_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories","repository_names_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repository_names","owners_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/owners"}},"keywords":["ml","soccer","statistics"],"created_at":"2026-02-27T05:20:54.119Z","updated_at":"2026-02-27T05:20:54.608Z","avatar_url":"https://github.com/mtgr18977.png","language":"Jupyter Notebook","funding_links":[],"categories":[],"sub_categories":[],"readme":"# Previsão de Jogos Brasileirão - Modelo Híbrido Poisson + Elo\n\nEste projeto implementa um modelo híbrido de previsão de partidas de futebol, combinando a força estatística do modelo de Poisson com o ajuste dinâmico do rating Elo. O objetivo é gerar previsões realistas para jogos do Campeonato Brasileiro, apresentando probabilidades de vitória, empate e derrota, além de palpites e gols esperados para cada time.\n\n## Funcionalidades\n\n- **Previsão de resultados** para partidas do Brasileirão com base em dados históricos.\n- **Cálculo de probabilidades** de vitória, empate e derrota usando distribuição de Poisson ajustada por Elo.\n- **Palpite automático** para cada jogo, baseado na maior probabilidade.\n- **Saída em tabela Markdown** pronta para uso em posts e relatórios.\n- **Fácil calibragem** dos parâmetros de vantagem de casa e influência Elo.\n\n## Como funciona\n\nO modelo utiliza:\n- **Poisson**: Estima o número esperado de gols para cada time, considerando ataque, defesa e médias da liga.\n- **Elo**: Ajusta as expectativas de gols conforme a força relativa dos times e a vantagem de jogar em casa.\n- **Simulação de placares**: Calcula a probabilidade de cada resultado possível (mandante, empate, visitante) e define o palpite.\n\n## Requisitos\n\n- Python 3.7+\n- pandas\n\nInstale as dependências com:\n```bash\npip install pandas\n```\n\n## Como usar\n\n1. Coloque o arquivo de dados dos jogos (`br-25.csv`) na pasta `sassamaru-br-25/`.\n2. Execute o script:\n   ```bash\n   python sassamaru-br-25/previsao.py\n   ```\n3. O resultado será impresso em formato Markdown, pronto para copiar e colar em posts.\n\n## Exemplo de saída\n\n```\n# Previsão de Jogos - Modelo Híbrido Poisson + Elo\n\n| Mandante      | Visitante         | Gols Mandante | Gols Visitante | Prob Mandante (%) | Prob Empate (%) | Prob Visitante (%) | Palpite   |\n|:------------- |:----------------- | ------------: | -------------: | ----------------: | --------------: | -----------------:|:----------|\n| Internacional | Vitoria           |         1.23  |          0.98  |             42.1  |           29.5  |              28.4 | Mandante  |\n| Bahia         | Atletico Mineiro  |         1.10  |          1.05  |             35.0  |           33.0  |              32.0 | Empate    |\n| ...           | ...               |         ...   |          ...   |             ...   |           ...   |              ...  | ...       |\n```\n\n## 🛠️ Calibragem\n\nSe perceber que o modelo está favorecendo demais o mandante ou visitante, ajuste os parâmetros no início do arquivo `previsao.py`:\n- `ELO_VANTAGEM_CASA_PADRAO`: Vantagem padrão do mandante (recomendo entre 0 e 80).\n- `ELO_INFLUENCE`: Influência do Elo no ajuste dos gols esperados (recomendo entre 0.05 e 0.35).\n\n---\n\n## TODO\n\n### Segurança\n* Considerar assinar digitalmente o `EXE`.\n\n### Distribuição\n* Incluir o `CSV` fora do `EXE` para facilitar atualização sem recompilar.\n* Criar um instalador com `Inno Setup` ou `NSIS` para melhorar experiência do usuário.\n* Fornecer documentação clara para instalação e uso.\n\n### Manutenção do Código\n* Separar lógica do modelo e interface para facilitar testes e melhorias.\n* Implementar logs para debug e erro, melhor que print ou mensagens esporádicas.\n* Automatizar o build com scripts `.bat` ou `Makefile` para facilitar recompilações.\n\n### Performance\n* Cache de resultados em disco para simulações repetidas idênticas.\n\n### Usabilidade\n* Adicionar validação e autocomplete para times na interface.\n* Permitir importação/exportação de jogos em CSV para facilitar uso.\n* Interface responsiva para diferentes resoluções.\n","project_url":"https://awesome.ecosyste.ms/api/v1/projects/github.com%2Fmtgr18977%2Fsassamaru-br-25","html_url":"https://awesome.ecosyste.ms/projects/github.com%2Fmtgr18977%2Fsassamaru-br-25","lists_url":"https://awesome.ecosyste.ms/api/v1/projects/github.com%2Fmtgr18977%2Fsassamaru-br-25/lists"}