SportingCP.ai: Como Funciona

1. Fundamentos de dados

Antes de cada jogo montamos uma folha de scouting para o modelo entender o contexto. Cada partida da Liga Portugal 25/26 (mais anos de história leonina) torna-se uma linha cheia de sinais engenheirados sobre qualidade das equipas, momento e pressão do calendário.

• Histórico de jogos: Jogos de liga e taça com resultados finais, golos esperados, horários de início e odds de mercado sustentam as etiquetas supervisionadas. O refresh mais recente cobre todo o calendário da Liga Portugal 25/26 para que a validação acompanhe cada jornada.
• Força da equipa: Ratings ao estilo Elo ajustam-se após cada resultado para codificar a qualidade do adversário e um termo calibrado de vantagem em casa. Esses ratings fluem diretamente para o simulador Monte Carlo que alimenta as projeções da liga.
• Forma e fadiga: Janelas móveis dos últimos 5-10 jogos acompanham pontos, diferença de golos, balanço de xG e dias de descanso.
• Higiene das features: Checks de dados topo de gama evitam que entradas em falta cheguem ao treino ou inferência, mantendo a "matemática complexa" nos bastidores e o site sempre limpo de NaNs.

2. Probabilidades de resultado

Para responder a "Quem tem mais hipóteses de ganhar?" usamos um classificador XGBoost. Ele lê o vetor de features pré-jogo e devolve uma divisão em três vias (casa, empate, fora) que equilibra explicabilidade com desempenho - mesmo que os gradientes e as árvores por baixo não tenham nada de simples.

• Sinal de treino: Jogos históricos são rotulados como vitória fora (0), empate (1) ou vitória em casa (2). Divisões estratificadas reservam dados para validação e testes fora do tempo.
• Árvores potenciadas: Cada árvore refina os logitos para uma classe de resultado e o ensemble de centenas de árvores superficiais capta interações como "grande diferença Elo com pouco descanso".
• Métricas: Log-loss e Brier medem a calibração, enquanto accuracy e macro F1 acompanham o desempenho direcional.

3. Previsão de golos esperados

Também prevemos o total de golos esperados para dar aos adeptos uma ideia do ritmo provável. Uma cabeça de regressão irmã usa as mesmas features para estimar o xG combinado que ferramentas a jusante podem precificar ou simular.

• Modelo separado: Um regressor XGBoost dedicado aprende a prever o alvo de xG total usando as mesmas features engenheiradas.
• Porquê xG: O xG suaviza a volatilidade dos resultados e capta a qualidade dos remates, o que ajuda o frontend a explicar a confiança mesmo quando um jogo termina de forma inesperada.
• Avaliação: Erro absoluto médio e R² monitorizam a deriva, e a saída é enviada para a API juntamente com as probabilidades de resultado.

4. xG/xA por jogador e impacto do onze

Agregamos expectativas de xG/xA individuais para mostrar quem tem mais probabilidade de marcar ou assistir e como a previsão muda quando falta um titular.

• Sinal ao nível do jogador: Cada jogador do Sporting tem uma taxa de xG/xA por 90 minutos derivada da forma recente, força do adversário e priors da época. Guarda-redes ficam a zero; avançados e criadores recebem pisos reforçados com dados de jogo ao vivo.
• Simulação do onze: O onze anunciado (ou o onze projetado antes do jogo) é escalado por minutos esperados e somado para gerar o xG/xA da equipa. Substituições e trocas são tratadas por deltas ponderados por minutos.
• Atualizações em dia de jogo: Quando sai o onze oficial, a previsão atualiza na hora-alterando o ranking de marcadores prováveis e o xG da equipa se faltar um finalizador ou criador chave.

5. Diagnósticos de calibração

Pontuações cruas raramente são perfeitas, por isso calibramos tudo antes de publicar. Passagens out-of-fold a cinco blocos criam alvos estáveis, a escala de temperatura afina a confiança e o gráfico de fiabilidade mostra o quão perto as percentagens publicadas ficam da realidade.

1. Regressão isotónica: Uma suavização não paramétrica impõe monotonicidade, garantindo que jogos igualmente prováveis partilham probabilidades semelhantes.
2. Escala de temperatura: Um ajuste escalar final aperta ou abre a distribuição para que o log-loss e o Brier out-of-sample alinhem com o conjunto de validação.

6. Cobertura de backtesting

Repassamos jogos recentes pelo pipeline para garantir que as previsões em tempo real se mantêm afiadas. Backtests automáticos comparam as escolhas do modelo com os desfechos e destacam accuracy, Brier e precisão por desfecho em toda a Liga Portugal 25/26 e no arquivo histórico do Sporting.

• Última fotografia: Nos últimos 198 jogos etiquetados o classificador atingiu 89,9% de precisão. O Brier ficou em 0,414, melhor do que 0,624 do baseline, uma melhoria de 33,7%, cobrindo toda a Liga Portugal 25/26 e jogos históricos do Sporting.
• Precisão por desfecho: Fora 92,9%, empate 89,3% e casa 88,0% no mesmo intervalo.
• Uso operacional: Automatismos atualizam estes snapshots para que o dashboard, a documentação e as vistas Monte Carlo mostrem sempre a evidência mais recente.

7. Arquitetura de serving

As previsões vivem atrás de um serviço FastAPI que mantém um contrato estável para a aplicação web e as automações.

• API de inferência: O serviço carrega os checkpoints mais recentes, lê as linhas de features, aplica a calibração e devolve probabilidades e xG num único payload.
• Atualidade: Tarefas agendadas ingerem resultados, atualizam ratings e reavaliam jogos futuros para que os adeptos vejam sempre contexto atualizado.
• Integração no frontend: A aplicação Next.js renderiza distribuições de resultado, expectativas de xG e gráficos históricos directamente das respostas da API.

8. Gestão e monitorização

Mantemos o predictor honesto monitorizando a incerteza, re-treinando quando surge deriva e permitindo ajustes controlados quando necessário.

• Cadência de re-treino: O pipeline volta a treinar após adições relevantes de dados, como checkpoints de meio ou fim de época, ou quando a calibração deriva acima dos limites.
• Métricas de qualidade: Accuracy, macro F1, log-loss, Brier, MAE e R² são acompanhados para detectar regressões antes da disponibilização.
• Ajustes controlados: Os operadores podem aplicar ajustes de temperatura limitados para intervenções de curto prazo sem redeploy do modelo.

9. Análise de mercado e validação do modelo

Comparamos o modelo com mercados de apostas de confiança para medir a vantagem preditiva e detectar pontos cegos em cada jogo da Liga Portugal 25/26 e nos duelos europeus relevantes.

• Análise de deltas de probabilidade: Alinhamos as probabilidades de casa, empate e fora do modelo com as odds de fecho da Bet365 nos jogos do Sporting. Deltas positivos significam que somos mais otimistas do que o mercado; valores negativos mostram que é o mercado. Bandas bootstrap de 180 dias assinalam quando a diferença é estatisticamente relevante.
• Acompanhamento de vantagem log-loss: Comparações jogo a jogo de log-loss quantificam a qualidade das previsões. Valores abaixo de zero indicam que o modelo superou o mercado, e uma média móvel de 180 dias suaviza o ruído para revelar vantagens ou fragilidades persistentes.
• Análise de força do adversário: Agrupamos adversários por quartil de rating Elo (topo, meio, base) para ver como o modelo reage a diferentes níveis de força e para detectar enviesamentos sistemáticos.
• Validação multi-competição: Jogos da Liga Portugal 25/26, Liga Europa e Liga dos Campeões entram na análise para garantir que o modelo se comporta bem em diferentes competições.

10. Metodologia da projeção da época

A vista Monte Carlo do SportingCP.ai volta a simular todo o calendário que falta da Liga Portugal 25/26 e acompanha os cenários mais prováveis rumo ao título. Os adeptos recebem gráficos fáceis de ler; nos bastidores insistimos em milhares de simulações de alta resolução.

• Simulação em grande volume: Cada atualização corre pelo menos 10 000 execuções Monte Carlo com as probabilidades calibradas mais recentes para todos os jogos em falta na Liga Portugal.
• Contexto ao nível do jogo: Cada partida inclui local, nível do adversário e disponibilidade atualizada; só publicamos probabilidades quando o sistema confia nos dados.
• Acompanhamento de marcos: Agrupamos cada final simulado em patamares de pontos para veres quantas vezes o Sporting passa os 80, 85 ou 90 pontos e que registo é necessário.

10. Perguntas frequentes

Que arquitetura de modelo alimenta o predictor?

Por baixo do capot confiamos em modelos de árvores gradient-boosted. Em produção correm duas cabeças XGBoost sobre a mesma feature store engenheirada: um classificador multi-classe para a distribuição 1X2 e uma cabeça de regressão para golos esperados. As árvores gradient-boosted lidam bem com dados estruturados de futebol, captam interações não lineares e mantêm uma latência compatível com experiências em tempo real.

Como calibram as probabilidades publicadas?

Mantemos as probabilidades honestas ajustando um regressor isotónico sobre previsões out-of-fold e aplicando depois escala de temperatura. A combinação suaviza os logitos e corrige excesso ou falta de confiança antes de chegar aos adeptos. As curvas de fiabilidade são monitorizadas continuamente; se derivarem, ajustamos o escalador ou re-treinamos o modelo.

De onde vêm as entradas e etiquetas?

Combinamos feeds credíveis de calendários, odds, golos esperados e informação de plantel para construir entradas e etiquetas. Resultados históricos alimentam ratings ao estilo Elo, enquanto janelas móveis medem forma, momento e descanso. Pipelines em clean-room impõem controlos de qualidade para que o modelo nunca treine sobre registos em falta ou corrompidos.