Laboratorio: gradient boosting vs modelo actual
Un modelo LightGBM que corrige al ensemble actual acercándolo a donde estaría el mercado, entrenado sobre 8.116 partidos con cuotas. Aquí se compara con lo que la app sirve hoy, partido a partido.
Qué dice la validación
Sobre 5.069 predicciones fuera de muestra, el modelo no mejora el acierto: 0,9769 de log-loss frente a 0,9771 del actual, una diferencia de −0,0003 cuyo intervalo de confianza incluye el cero. El umbral de adopción del proyecto es −0,003, diez veces más.
Sí mejora la calibración: el error de calibración esperado baja de 0,0075 a 0,0046. Es decir, cuando dice 70% se parece más a un 70% real, aunque no acierte más veces.
El diagnóstico completo, incluido por qué no mejora más, está en stack/lab/README.md. Resumen: el modelo solo consigue cerrar un 11,6% de la distancia al mercado, y el mercado sabe cosas —alineaciones, lesiones, dinero— que no están en la base de datos.
Cargando…