O que Modelo de Placar de Futebol faz?
Use o modelo fornecido; nunca substitua por estimativas informais ou classificações baseadas apenas em gols brutos.
Execução
python scripts/run_model.py --fixture "Argentina vs Egypt" --output-dir output
Apenas a partida é obrigatória. Normalize nomes de times traduzidos para os rótulos do conjunto de dados quando necessário.
Regras
- Use apenas resultados brutos completos de seleções; nunca use odds, dicas, previsões ou artigos de predição.
- Resolva data alvo, competição, fase de mata-mata, status neutro e ordem casa/visitante a partir da linha da partida bruta.
- Defina o corte como o mais cedo entre: dia da partida menos um, data de execução e data da fonte mais recente concluída.
- Aplique ELO ajustado por adversário, prior histórico com limite máximo, Poisson ponderado, correção para adversário de elite, Dixon-Coles e pelo menos 50.000 simulações.
- Exija que
hard_audit.jsonreporteall_passed: trueantes de relatar resultados. - Reporte lambdas, vitória/empate/derrota com intervalos de 95%, principais placares, força do adversário, impacto do prior e avisos de
prediction.json.
Leia references/model-spec.md apenas quando detalhes de fórmulas ou auditoria forem necessários. Invoque scripts/model_engine.py apenas através de scripts/run_model.py.
name: model-football-scorelines description: Calcule probabilidades de placares neutros de mata-mata da Copa do Mundo de 2026 apenas a partir do nome da partida, usando modelo do usuário com ELO ajustado por adversário, prior histórico limitado, regressão de Poisson ponderada, correção para adversário de elite, ajuste Dixon-Coles e Monte Carlo. Use quando o Codex receber um confronto como "Argentina vs Egypt" e forem solicitadas probabilidades de vitória/empate/derrota para seleções, gols esperados, principais placares, diagnósticos de força do adversário ou auditorias de prior histórico, sem usar odds, sites de predição, previsões de especialistas ou predições pré-calculadas.
Modele Placar de Futebol
Execute o modelo determinístico fornecido; não o substitua por estimativas informais ou um cálculo baseado apenas em gols brutos.
Fluxo de Trabalho
- Aceite uma partida como única entrada obrigatória do usuário. Normalize nomes de times traduzidos para rótulos exatos do conjunto de dados quando necessário.
- Use um CSV local de resultados brutos quando o usuário fornecer um. Caso contrário, deixe o executor baixar seu CSV padrão de resultados brutos diretamente.
- Nunca navegue ou use odds, dicas, previsões, predições de especialistas, predições de redes sociais ou artigos de predição pré-calculados.
- Execute
scripts/run_model.pycom Python 3.10+ e os pacotes emscripts/requirements.txt. - Leia
hard_audit.jsonprimeiro. Rejeite a execução seall_passedfor falso. - Leia
prediction.jsone relate cada conjunto de dados, adversário, valores brutos versus ajustados, impacto do prior, parâmetro, resultado, placar e campo de diagnóstico solicitado.
Comando
python scripts/run_model.py `
--fixture "Argentina vs Egypt" `
--output-dir output
O executor localiza a partida futura sem placar, lê sua data e metadados neutros da Copa do Mundo, e usa o dia anterior à partida como corte inclusivo. Adicione --source C:\path\results.csv para usar um CSV bruto existente. Use --cutoff ou --target-date apenas para uma substituição explícita do usuário. Mantenha pelo menos 50.000 simulações.
Comportamento Obrigatório
- Trate o alvo como neutro e não adicione vantagem de casa.
- Use apenas partidas concluídas de 2018-01-01 até o corte.
- Trate 2022 em diante como janela principal e 2018-2021 como prior fraco.
- Mantenha cada peso efetivo de time pré-2022 em ou abaixo de 8%.
- Mantenha a mistura explícita do prior histórico lambda em ou abaixo de 5% e reescalone se qualquer lambda se mover mais de 5%.
- Exija ajuste de ELO do adversário e qualidade do adversário; nunca classifique ataque a partir de gols brutos sozinhos.
- Use o limiar de elite e as regras de fallback implementadas pelo modelo.
- Estime o efeito de mata-mata da Copa do Mundo apenas a partir de observações concluídas válidas.
- Aplique Dixon-Coles apenas após os lambdas finais serem calculados.
- Retorne a matriz de placares ajustada exata, mais probabilidades de simulação de 50.000 sorteios e intervalos de Wilson de 95%.
- Verifique se o placar mais provável reportado é igual ao argmax da matriz.
Leia references/model-spec.md ao auditar fórmulas, pesos, diagnósticos ou semântica de saída. O modelo executável está em scripts/model_engine.py; invoque-o através de scripts/run_model.py para que configuração e verificações rigorosas sejam aplicadas.