Розмір шрифта: 

У роботі розглянуто розробку інформаційно-аналітичної системи для прогнозування результатів футбольних
матчів на основі методів машинного навчання. Запропоновано підхід до інженерії ознак, що включає розрахунок
динамічного рейтингу ELO, показників поточної форми команд за останні 3 та 5 матчів, атакувальної й оборонної
ефективності, а також різницевих метрик між господарями та гостями. Реалізовано порівняння моделей Logistic
Regression, Random Forest, Gradient Boosting, XGBoost та Neural Network у мультикласовій і бінарній постановках задачі.
Для загального оцінювання моделей використано хронологічне розбиття 80/20, а для практичної апробації —
прогнозування окремих турів сезону. У мультикласовій задачі найвищу Accuracy у загальному тестуванні показала модель
XGBoost — 56.6%, що є співставним із букмекерським baseline на рівні 55.7%. У прогнозуванні окремих турів найвищі
результати були отримані в бінарній постановці задачі: для 38-го туру модель XGBoost досягла 100% Accuracy на
контрольному наборі з 10 матчів. Розроблено інтерактивний вебдодаток на базі Streamlit із модулем сценарного
моделювання What-If.

машинне навчання; прогнозування футбольних матчів; спортивна аналітика;