https://github.com/mtgr18977/sassamaru-br-25
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.
https://github.com/mtgr18977/sassamaru-br-25
ml soccer statistics
Last synced: 4 months ago
JSON representation
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.
- Host: GitHub
- URL: https://github.com/mtgr18977/sassamaru-br-25
- Owner: mtgr18977
- Created: 2025-06-24T19:26:35.000Z (12 months ago)
- Default Branch: main
- Last Pushed: 2026-02-04T20:36:27.000Z (5 months ago)
- Last Synced: 2026-02-05T08:37:29.547Z (5 months ago)
- Topics: ml, soccer, statistics
- Language: Jupyter Notebook
- Homepage: https://www.kaggle.com/code/paulopilotti/modelo-sassamaru-br-25
- Size: 522 KB
- Stars: 1
- Watchers: 0
- Forks: 0
- Open Issues: 0
-
Metadata Files:
- Readme: README.md
Awesome Lists containing this project
README
# Previsão de Jogos Brasileirão - Modelo Híbrido Poisson + Elo
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. 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.
## Funcionalidades
- **Previsão de resultados** para partidas do Brasileirão com base em dados históricos.
- **Cálculo de probabilidades** de vitória, empate e derrota usando distribuição de Poisson ajustada por Elo.
- **Palpite automático** para cada jogo, baseado na maior probabilidade.
- **Saída em tabela Markdown** pronta para uso em posts e relatórios.
- **Fácil calibragem** dos parâmetros de vantagem de casa e influência Elo.
## Como funciona
O modelo utiliza:
- **Poisson**: Estima o número esperado de gols para cada time, considerando ataque, defesa e médias da liga.
- **Elo**: Ajusta as expectativas de gols conforme a força relativa dos times e a vantagem de jogar em casa.
- **Simulação de placares**: Calcula a probabilidade de cada resultado possível (mandante, empate, visitante) e define o palpite.
## Requisitos
- Python 3.7+
- pandas
Instale as dependências com:
```bash
pip install pandas
```
## Como usar
1. Coloque o arquivo de dados dos jogos (`br-25.csv`) na pasta `sassamaru-br-25/`.
2. Execute o script:
```bash
python sassamaru-br-25/previsao.py
```
3. O resultado será impresso em formato Markdown, pronto para copiar e colar em posts.
## Exemplo de saída
```
# Previsão de Jogos - Modelo Híbrido Poisson + Elo
| Mandante | Visitante | Gols Mandante | Gols Visitante | Prob Mandante (%) | Prob Empate (%) | Prob Visitante (%) | Palpite |
|:------------- |:----------------- | ------------: | -------------: | ----------------: | --------------: | -----------------:|:----------|
| Internacional | Vitoria | 1.23 | 0.98 | 42.1 | 29.5 | 28.4 | Mandante |
| Bahia | Atletico Mineiro | 1.10 | 1.05 | 35.0 | 33.0 | 32.0 | Empate |
| ... | ... | ... | ... | ... | ... | ... | ... |
```
## 🛠️ Calibragem
Se perceber que o modelo está favorecendo demais o mandante ou visitante, ajuste os parâmetros no início do arquivo `previsao.py`:
- `ELO_VANTAGEM_CASA_PADRAO`: Vantagem padrão do mandante (recomendo entre 0 e 80).
- `ELO_INFLUENCE`: Influência do Elo no ajuste dos gols esperados (recomendo entre 0.05 e 0.35).
---
## TODO
### Segurança
* Considerar assinar digitalmente o `EXE`.
### Distribuição
* Incluir o `CSV` fora do `EXE` para facilitar atualização sem recompilar.
* Criar um instalador com `Inno Setup` ou `NSIS` para melhorar experiência do usuário.
* Fornecer documentação clara para instalação e uso.
### Manutenção do Código
* Separar lógica do modelo e interface para facilitar testes e melhorias.
* Implementar logs para debug e erro, melhor que print ou mensagens esporádicas.
* Automatizar o build com scripts `.bat` ou `Makefile` para facilitar recompilações.
### Performance
* Cache de resultados em disco para simulações repetidas idênticas.
### Usabilidade
* Adicionar validação e autocomplete para times na interface.
* Permitir importação/exportação de jogos em CSV para facilitar uso.
* Interface responsiva para diferentes resoluções.