अनुमान की कार्यप्रणाली

हम अनुमान कैसे बनाते हैं, कैसे निपटाते हैं और उन्हें कैसे पढ़ें।

अनुमान कैसे बनते हैं

जीत-हार (Elo) — दोनों टीमों की Elo रेटिंग को जीत की संभावना के मानक सूत्र में डाला जाता है। K-factor हर मैच में उतार-चढ़ाव तय करता है: P(A wins) = 1 / (1 + 10^((R_B − R_A) / 400))
कुल स्कोर (Poisson) — हर टीम के पूरे हुए मैचों का औसत स्कोर उसका λ बनता है; कुल स्कोर का अनुमान लगाने के लिए दो Poisson वितरण जोड़े जाते हैं: projected_total = Σ Poisson(λ_team) for each team's finished-event mean
generate-predictions cron हर घंटे चलता है, अगले 6 घंटों के निर्धारित मैच स्कैन करता है, अनुमान की पंक्ति लिखता है और generated_at पर समय-मुहर लगाता है — अनुमान मैच शुरू होने से पहले दर्ज हो जाते हैं।

जीत-हार — मैच के status='finished' होने के बाद हम score_json.winner की तुलना pick.side से करते हैं — एक ही पक्ष = सही, उलटा पक्ष = गलत।
कुल स्कोर — हम actual_total = home_score + away_score निकालते हैं, फिर projected_total से तुलना करके abs_error और signed_error दर्ज करते हैं। नतीजे को scored कहा जाता है (सही / गलत नहीं — यह निरंतर माप है, हाँ-या-ना वाला फ़ैसला नहीं)।
रद्द — अगर मैच स्थगित या रद्द हो जाए, तो अनुमान रद्द माना जाता है और सटीकता दर व MAE दोनों के आँकड़ों से बाहर रहता है।

जब कुल निपटारे 30 से कम हों, तो सटीकता दर / MAE के खाने में संख्या की जगह ‘नमूना बहुत छोटा’ दिखता है — बड़ी संख्या का नियम असर दिखाने में समय लेता है।
विश्वास मॉडल का अपने अनुमान पर अपना भरोसा है, मार्केट या आम लोगों का भरोसा नहीं। एक अच्छी तरह कैलिब्रेटेड मॉडल उन 70% वाले मैचों में से 70% जीतता है — हम इसे ट्रैक रिकॉर्ड पेज के कैलिब्रेशन चार्ट में दिखाते हैं।
MAE अनुमान और वास्तविक के अंतर (निरपेक्ष मान) की औसत त्रुटि है। Bias औसत चिह्नित त्रुटि है — लगातार धनात्मक मान का मतलब है कि मॉडल कुल स्कोर को हमेशा ज़्यादा आँकता है; लगातार ऋणात्मक का मतलब है कम आँकता है।

generated_at लिखे जाते ही हर अनुमान लॉक हो जाता है। पुराने पेज पढ़े जा सकते हैं; commit इतिहास git पर सार्वजनिक है।