Propositions
Suivi des propositions du modèle de Machine Learning
Outsiders
Combinés Favoris
Suivi Propositions
Suivi en temps réel des propositions du modèle de Machine Learning
P&L Cumulé
Outsiders
P&L Cumulé
Combinés Favoris
Historique des Prédictions
0 entrées
| Date ↕ | Ligue | Équipe | PROBABILITE ↕ | Cote ↕ | Résultat | P/L ↕ | |
|---|---|---|---|---|---|---|---|
| Chargement… | |||||||
Méthodologie
Comment fonctionne le modèle de Machine Learning
Modèle Outsiders
Ensemble de 5 algorithmes entraîné sur +1 600 matchs historiques pour prédire les upsets.
AlgorithmesRF · XGB · LGB · GB · LR
ValidationGroupKFold (5 folds)
Anti-fuiteFeatures pré-match uniquement
Précision OOF54,1 %
ROI backtest+16,8 %
AUC (RandomForest)0,676
Analyse borderline
Pour les cas 40–58 %, 4 signaux orientent la décision (verdict GO dans "Outsider ML").
1Consensus multi-modèles (votes / 5)
2kNN historique (20 matchs similaires)
3EV > 1,0 + demi-Kelly criterion
4Seuil de probabilité ≥ 0,47
Combinés Favoris
Groupes de favoris par date × timezone pour atteindre cote ≥ 2,00 avec le minimum de legs.
Cote min combinée2,00
Confiance favori≥ 52 %
Legs maximum6
Timezone USNBA / WNBA
Timezone EURToutes autres ligues
Performance du Backtest (OOF honnête)
Précision OOF
54,1 %
base : 33,2 %
ROI
+16,8 %
Paris OOF
244
EV moyen
1,35
AUC (RF)
0,676