.jpg){kind=link}
- हर फ़ाइटर के बहुत कम मुक़ाबले होते हैं: मॉडल को सरल और विनम्र रखना पड़ता है।
- रास्ता हमेशा वही है: प्रोबेबिलिटी → उचित ऑड्स → ऑड्स से तुलना → वैल्यू।
- Gambeta आज बॉक्सिंग या UFC के नियमित पिक प्रकाशित नहीं करता: यह एक गाइड है ताकि आप खुद मॉडल बना सकें।
इस लेख को सेव कर लीजिए: यह लंबा है और एक-एक कदम में पढ़ना ठीक रहता है, पास में एक शीट खोलकर।
आपकी प्रगति इसी ब्राउज़र में सेव रहती है।
क्या मशीन लर्निंग से किसी मुक़ाबले को मॉडल किया जा सकता है?
मॉडल किया जा सकता है, लेकिन बहुत साफ़ सीमाओं के साथ।
बॉक्सिंग और मिक्स्ड मार्शल आर्ट्स (MMA) कॉन्टैक्ट वाले खेल हैं।
एक अकेला मुक्का बराबरी पर चल रही लड़ाई को खत्म कर सकता है।
इससे हर नतीजे में बहुत ज़्यादा वैरिएंस आ जाता है।
इसके अलावा डेटा भी कम है।
एक फ़ुटबॉल खिलाड़ी साल में 50 मैच खेलता है।
एक बॉक्सर साल में दो या तीन बार लड़ता है।
UFC का फ़ाइटर आम तौर पर साल में दो या तीन बार लड़ता है।
मशीन लर्निंग को भरोसेमंद पैटर्न सीखने के लिए बहुत से उदाहरण चाहिए।
यहाँ उदाहरण कम हैं, प्रतिद्वंद्वी बदलते रहते हैं और शैलियाँ अलग-अलग तरीक़ों से टकराती हैं।
इसीलिए मुक़ाबले का एक अच्छा मॉडल सरल, सतर्क और हमेशा अनिश्चित होता है।
यह लेख मॉडलिंग सीखने की एक गाइड है।
Gambeta आज बॉक्सिंग या UFC के नियमित पिक प्रकाशित नहीं करता।
यहाँ जो आपके पास है वह औज़ार और तरीक़ा है ताकि आप खुद तर्क कर सकें।
मुक़ाबला मॉडल करते समय कौन से वेरिएबल देखें
मॉडल वेरिएबल की एक सूची है और हर एक का एक वज़न।
बॉक्सिंग और MMA में सबसे ज़्यादा इस्तेमाल होने वाले ये हैं।
तालिका बताती है कि वे क्या देते हैं और उनमें कौन सा जाल है।
| वेरिएबल | क्या देता है | जाल |
|---|---|---|
| उम्र | शारीरिक गिरावट और रिफ़्लेक्स | हर शरीर अलग तरह से बूढ़ा होता है |
| रीच | दूरी और रिंग पर नियंत्रण | नज़दीकी लड़ाई वाली शैली में इसकी कीमत घट जाती है |
| जीत की लय | हाल का फ़ॉर्म | इस पर निर्भर है कि किसे हराया |
| शैली | प्रतिद्वंद्वी से कैसे टकराती है | इसे संख्या में बदलना मुश्किल है |
| KO का इतिहास | मुक्के की ताक़त और जबड़े की मज़बूती | मुक़ाबले कम, शोर ज़्यादा |
| वज़न और वज़न घटाना | तराज़ू पर चढ़ते समय की हालत | बाहर से लगभग कभी पता नहीं चलता |
उम्र, रीच और जीत की लय: जो नापा जा सकता है
उम्र, रीच और क़द प्रकाशित होते हैं।
उन्हें शीट में डालना आसान है।
इसीलिए हर घरेलू मॉडल यहीं से शुरू होता है।
समस्या यह है कि सभी दांव लगाने वाले भी उन्हें देखते हैं।
अगर कोई वेरिएबल सार्वजनिक है, तो ऑड्स उसे पहले से गिन चुके होते हैं।
वैल्यू वहाँ दिखती है जिसे मार्केट सबसे कमज़ोर ढंग से नापता है।
मुक़ाबलों में यह अक्सर पिछले प्रतिद्वंद्वियों का असली स्तर होता है।
शैली और प्रतिद्वंद्वियों का स्तर: जो सबसे ज़्यादा मुश्किल है
संदर्भ के बिना पाँच जीत की लय कुछ नहीं बताती।
कमज़ोर प्रतिद्वंद्वियों के ख़िलाफ़ पाँच जीत की कीमत शीर्ष स्तर के ख़िलाफ़ दो हार से कम होती है।
एक अच्छा मॉडल लय को हर प्रतिद्वंद्वी की गुणवत्ता के हिसाब से समायोजित करता है।
शैली भी मायने रखती है।
दबाव बनाने वाला फ़ाइटर, जवाबी हमला करने वाले के सामने उससे अलग व्यवहार करता है जैसा वह लंबी लड़ाई वाले के सामने करता है।
इसे संख्या में बदलना कठिन है, और वहीं जानकारी खो जाती है।
डेटा कम और वैरिएंस ज़्यादा क्यों है
टीम के खेल में एक ग़लती 90 मिनट में घुल जाती है।
मुक़ाबले में दो सेकंड की एक ग़लती सब कुछ तय कर सकती है।
इसी वजह से सबसे अच्छा फ़ाइटर उतनी बार नहीं जीतता जितना लगता है।
आपके लिए इसके दो नतीजे हैं।
पहला: एक अच्छा मॉडल भी ऐसे कई दांव हारेगा जो लगाने लायक थे।
दूसरा: एक छोटी शृंखला, अच्छी हो या बुरी, मॉडल के बारे में लगभग कुछ नहीं कहती।
अगर आप गहराई से जानना चाहते हैं कि निष्कर्ष निकालने के लिए कितने दांव चाहिए, तो कितने दांव चाहिए यह जानने के लिए कि आप जीत रहे हैं पढ़िए।
आगे की हर बात की यही बुनियाद है।
कौन से मार्केट मॉडल हो सकते हैं: विजेता, तरीक़ा और राउंड
एक मुक़ाबले में तीन मुख्य मार्केट होते हैं।
हर एक की कठिनाई का स्तर अलग है।
| मार्केट | नतीजे | कठिनाई |
|---|---|---|
| विजेता | दो (कभी-कभी ड्रॉ) | मध्यम: मॉडल करने में सबसे सरल |
| तरीक़ा | KO, निर्णय, अन्य | ऊँची: सैंपल बँट जाता है |
| राउंड | किसी लाइन से ज़्यादा या कम | ऊँची: रफ़्तार और जज पर निर्भर |
हमेशा विजेता से शुरू कीजिए।
उसमें श्रेणियाँ कम हैं और उदाहरण के मुक़ाबले ज़्यादा।
जब विजेता वाला मॉडल चल पड़े, तभी तरीक़ा और राउंड आज़माइए।
मॉडल से प्रोबेबिलिटी तक कैसे पहुँचें
सबसे सरल तरीक़ा अंक प्रणाली है।
हर फ़ाइटर का एक स्तर-स्कोर होता है जो जीतने पर बढ़ता है और हारने पर घटता है।
मज़बूत प्रतिद्वंद्वी को हराने से कमज़ोर को हराने से ज़्यादा अंक जुड़ते हैं।
स्कोर के फ़र्क़ को एक जाने-माने फ़ॉर्मूले से प्रोबेबिलिटी में बदला जाता है।
यह वही है जो शतरंज में इस्तेमाल होता है।
इसे Elo सिस्टम कहते हैं।
उदाहरण: 100 अंक के फ़र्क़ पर Elo सिस्टम बेहतर फ़ाइटर को 64.0% देता है।
उचित ऑड्स में यह 1.56 है।
संख्याएँ तरीक़ा समझने के लिए उदाहरण हैं, किसी असली फ़ाइटर की नहीं।
Elo एक शुरुआती बिंदु है।
उसके बाद आप उसमें समायोजन जोड़ सकते हैं: उम्र, रीच, शैली।
हर समायोजन को प्रोबेबिलिटी को थोड़ा हिलाना चाहिए, बहुत ज़्यादा नहीं।
विनम्रता की तरकीब: प्रोबेबिलिटी को 50% के पास लाना
कम डेटा में आपकी अतिवादी प्रोबेबिलिटी लगभग हमेशा बढ़ा-चढ़ाकर होती हैं।
एक सरल तकनीक है अपने अनुमान को 50% के तटस्थ अनुमान के साथ मिलाना।
इसे श्रिंकेज कहते हैं और यह ज़रूरत से ज़्यादा आत्मविश्वास को घटाता है।
उदाहरण: आपका मॉडल 70% कहता है और आप तटस्थ 50% को आधा वज़न देते हैं।
अंतिम प्रोबेबिलिटी 60% रहती है।
यह ज़्यादा सतर्क है और छोटे सैंपल में अक्सर बेहतर चलती है।
प्रोबेबिलिटी से उचित ऑड्स और वैल्यू तक
उचित ऑड्स का मतलब है 1 को प्रोबेबिलिटी से भाग देना।
अगर आप 62% का अनुमान लगाते हैं, तो उचित ऑड्स 1.61 है।
अगर बुकमेकर उससे ज़्यादा देता है, तो प्रत्यक्ष वैल्यू है।
अपेक्षित मूल्य (EV) बताता है कि लगाई गई हर इकाई पर औसतन आप कितना जीतेंगे।
इसे प्रोबेबिलिटी को ऑड्स से गुणा करके और 1 घटाकर निकाला जाता है।
| डेटा (उदाहरण) | गणना | नतीजा |
|---|---|---|
| प्रोब. 62%, ऑड्स 1.80 | 0.62 × 1.80 − 1 | EV +11.6% |
| प्रोब. 58%, ऑड्स 1.80 | 0.58 × 1.80 − 1 | EV +4.4% |
| प्रोब. 58%, ऑड्स 1.70 | 0.58 × 1.70 − 1 | EV −1.4% |
देखिए क्या होता है।
प्रोबेबिलिटी में चार अंक का फ़र्क़ EV को 11.6% से 4.4% पर ले आता है।
मॉडल की एक छोटी सी चूक लगभग सारी वैल्यू मिटा देती है।
ये गणनाएँ आप अपेक्षित मूल्य कैलकुलेटर से कर सकते हैं।
अगर आपको याद नहीं कि उचित ऑड्स क्या है, तो इम्प्लाइड प्रोबेबिलिटी दोहराइए।
.jpg){kind=link}
मार्जिन से सावधान: बुकमेकर पहले ही अपना हिस्सा ले लेता है
बुकमेकर के ऑड्स का जोड़ 100% नहीं होता।
वह थोड़ा ज़्यादा होता है।
वह अतिरिक्त हिस्सा मार्जिन है, और आपकी वैल्यू से सबसे पहले वही घटता है।
उदाहरण: किसी मुक़ाबले में ऑड्स 1.80 और 2.05।
इम्प्लाइड प्रोबेबिलिटी का जोड़ 104.34% है, यानी मार्जिन 4.34%।
मार्जिन के बिना मार्केट 53.2% और 46.8% कहता।
अगर आपका मॉडल पसंदीदा के लिए 52% कहता है और मार्केट मार्जिन के बिना 53.2% कहता है, तो कोई फ़ायदा नहीं है।
1.80 के ऑड्स बस लुभावने दिखते हैं।
अधिक जानकारी बुकमेकर का मार्जिन क्या है में।
जीत का तरीक़ा और राउंड: श्रेणियाँ ज़्यादा, डेटा कम
तरीक़ा श्रेणियों में बँट जाता है।
KO या TKO से जीत, निर्णय से, सबमिशन से (MMA में) या अयोग्यता से।
हर श्रेणी में बहुत कम उदाहरण होते हैं।
इसे शृंखला में मॉडल किया जाता है।
पहले जीतने की प्रोबेबिलिटी।
फिर उस जीत के भीतर, तरीक़ा कैसे बँटता है।
उदाहरण: पसंदीदा 62% जीतता है।
उन जीतों में से 40% KO या TKO से होती हैं।
KO से जीतने की प्रोबेबिलिटी: 24.8%, उचित ऑड्स 4.03।
अगर बुकमेकर 4.00 देता है, तो EV −0.8% है।
वैल्यू लगभग नहीं के बराबर, भले ही ऑड्स ऊँचे लगें।
ऑड्स जितने लुभावने दिखते हैं, यह मान लेना उतना आसान होता है कि कोई सौदा मिल गया है।
राउंड भी इसी तरह मॉडल होते हैं।
पहले इसकी प्रोबेबिलिटी कि मुक़ाबला लाइन से पहले खत्म होगा।
यह रफ़्तार, जबड़े की मज़बूती और मुक़ाबले में कितने राउंड हैं, इस पर निर्भर करता है।
बहुत कम मुक़ाबलों के साथ मॉडल का मूल्यांकन कैसे करें
यह सबसे कठिन बिंदु है।
पाँच या दस मुक़ाबलों से आप नहीं जान सकते कि आपका मॉडल अच्छा है या नहीं।
आपकी किस्मत अच्छी हो सकती है और आप मान सकते हैं कि आपका तरीक़ा सही निकला।
कॉन्फ़िडेंस इंटरवल इस जोखिम को देखने में मदद करता है।
यह वह रेंज है जिसमें आपकी असली सटीकता हो सकती है, जो आपने नापा उसे देखते हुए।
| सैंपल (उदाहरण) | सही अनुमान | संभावित रेंज |
|---|---|---|
| 8 मुक़ाबले | 8 में से 6 (75%) | 41% से 93% |
| 80 मुक़ाबले | 80 में से 60 (75%) | 65% से 83% |
दोनों पंक्तियों में सटीकता 75% ही है।
8 मुक़ाबलों में असली सटीकता लगभग 41% भी हो सकती है, जो एक औसत नतीजा है।
80 मुक़ाबलों में रेंज काफ़ी सिकुड़ जाती है।
मूल्यांकन का एक बेहतर तरीक़ा ब्रियर स्कोर है।
यह नापता है कि आपकी प्रोबेबिलिटी नतीजे से कितनी दूर थी, सिर्फ़ यह नहीं कि आपने सही अनुमान लगाया या नहीं।
जितना 0 के क़रीब, उतना बेहतर।
उदाहरण: 70%, 60%, 65%, 80% और 55% की प्रोबेबिलिटी वाले पाँच मुक़ाबले ब्रियर 0.203 देते हैं।
हमेशा 50% कहने पर 0.250 मिलता है।
इतने कम मामलों में वह फ़र्क़ अब भी शोर है।
दो व्यावहारिक नियम।
पहला: हर प्रोबेबिलिटी मुक़ाबले से पहले सेव कीजिए, कभी बाद में नहीं।
दूसरा: एक अकेले नतीजे की वजह से मॉडल मत बदलिए।
वे पूर्वाग्रह जो कोई मॉडल आसानी से नहीं देख पाता
कुछ चीज़ें बहुत मायने रखती हैं और किसी डेटाबेस में नहीं होतीं।
ये किसी भी मुक़ाबले के मॉडल के अंधे बिंदु हैं।
- छिपी चोटें: कोई फ़ाइटर टूटे हाथ या घुटने के साथ आ सकता है और कोई बताता नहीं।
- वज़न घटाना: कुछ ही दिनों में बहुत वज़न घटाने से मुक़ाबले के दिन उसकी ताक़त जा सकती है।
- घरेलू मैदान और रेफ़री: कड़े निर्णयों में जगह और जज नतीजे को झुका सकते हैं।
- आख़िरी पल के बदलाव: बदले हुए प्रतिद्वंद्वी, रद्द होते मुक़ाबले, बदलती श्रेणियाँ।
- पुराना डेटा: तीन साल पहले का फ़ाइटर हमेशा आज वाला नहीं होता।
इन अंधे बिंदुओं को देखते हुए मॉडल को सतर्क रहना चाहिए।
अगर मुक़ाबले में बहुत ज़्यादा अनजानी चीज़ें हों, तो सबसे समझदारी का फैसला दांव न लगाना भी हो सकता है।
.jpg){kind=link}
अगर वैल्यू मिले तो कितना लगाएँ: सतर्क स्टेक
वैल्यू मिलना यह नहीं बताता कि कितना लगाना है।
Kelly का मानदंड उस फ़ायदे के हिसाब से बैंकरोल का एक अंश निकालता है जो आपको लगता है कि आपके पास है।
समस्या यह है कि वह इस पर निर्भर है कि आपकी प्रोबेबिलिटी सही हो।
उदाहरण: प्रोबेबिलिटी 62% और ऑड्स 1.80।
पूरा Kelly बैंकरोल का 14.5% सुझाता है।
Kelly का चौथाई हिस्सा 3.6% होगा, जो एक अनिश्चित मॉडल के साथ कहीं ज़्यादा वाजिब है।
कम डेटा वाले मॉडल के साथ हमेशा Kelly का एक अंश इस्तेमाल कीजिए।
इसे Kelly कैलकुलेटर में आज़माइए और तुलना कीजिए।
हर मुक़ाबले के लिए एक तय ऊपरी सीमा रखना भी मदद करता है।
कदम-दर-कदम: शीट में आपका पहला मुक़ाबला मॉडल
अगर आप चाहते हैं कि शीट के कोड में कोई AI आपकी मदद करे, तो दांव के लिए अपनी AI कैसे बनाएँ और ट्रेन करें देखिए।
वही तरीक़ा आपके काम आएगा।
Gambeta क्या करता है और क्या नहीं
साफ़ बात।
Gambeta आज बॉक्सिंग या UFC के नियमित पिक प्रकाशित नहीं करता।
जो हमारे पास नहीं है, वह हम आपको नहीं देंगे।
जो आप इस्तेमाल कर सकते हैं:
वैल्यू, Kelly और मार्जिन के मुफ़्त कैलकुलेटर, और दूसरे खेलों पर हमारा अपना मॉडल कैसे सोचता है यह देखने के लिए Jornal de Apuestas।
हम जो कुछ भी प्रकाशित करते हैं वह सार्वजनिक इतिहास में रहता है।
अगर वैल्यू वाला तरीक़ा आपको दिलचस्प लगे, तो उसकी बुनियाद हर खेल में वही है।
वैल्यू बेटिंग पढ़िए और शीट खोलकर इस गाइड पर लौट आइए।
समापन: मॉडल बनाना सीखना है, पक्का जीतना नहीं
एक मुक़ाबले को मॉडल करना आपको बेहतर सोचने पर मजबूर करता है।
यह दिखाता है कि आप क्या जानते हैं, क्या मान लेते हैं और किसे अनदेखा करते हैं।
इस अभ्यास की असली कीमत यही है।
कोई मॉडल किसी चीज़ की गारंटी नहीं देता।
कॉन्टैक्ट वाले खेलों में वैरिएंस बहुत बड़ा और सैंपल छोटा होता है।
अगर आप दांव लगाते हैं, तो तय ऊपरी सीमा के साथ लगाइए और हार का पीछा मत कीजिए।
सामग्री केवल 18 साल से ऊपर के लोगों के लिए।
अगर आपको लगे कि आप नियंत्रण खो रहे हैं, तो ज़िम्मेदारी से दांव लगाना पढ़िए।
पैक की सीढ़ी पर आगे बढ़ने के लिए अगला स्वाभाविक कदम AI से दांव की पूरी गाइड है।
अक्सर पूछे जाने वाले सवाल
क्या AI से बॉक्सिंग या UFC मुक़ाबले की भविष्यवाणी हो सकती है?
प्रोबेबिलिटी का अनुमान लगाया जा सकता है, नतीजे की भविष्यवाणी नहीं।
एक मुक्के से पूरा मुक़ाबला बदल सकता है।
एक अच्छा मॉडल आपको प्रोबेबिलिटी की एक रेंज देता है और यह तय करने में मदद करता है कि ऑड्स उसके लायक हैं या नहीं।
मुक़ाबले में कौन से वेरिएबल सबसे ज़्यादा मायने रखते हैं?
कोई एक नहीं।
सबसे ज़्यादा इस्तेमाल होने वाले हैं उम्र, रीच, जीत की लय, पिछले प्रतिद्वंद्वियों का स्तर, शैली और उनके मुक़ाबले कैसे खत्म हुए।
कोई भी अकेला काफ़ी नहीं: उन्हें मिलाया और परखा जाता है।
किसी मॉडल पर भरोसा करने के लिए कितने मुक़ाबले चाहिए?
किसी भी फ़ाइटर के मुक़ाबलों से कहीं ज़्यादा।
मूल्यांकन किए गए 8 या 10 मुक़ाबलों में नतीजा महज़ संयोग हो सकता है।
समझदारी यह है कि सैकड़ों मुक़ाबलों पर नापा जाए और किसी भी छोटी शृंखला पर शक किया जाए।
सबसे पहले कौन सा मार्केट मॉडल करना ठीक रहता है?
विजेता का, क्योंकि उसमें दो नतीजे और ज़्यादा उदाहरण होते हैं।
तरीक़ा और राउंड कठिन हैं: वे ज़्यादा श्रेणियों में बँट जाते हैं और हर श्रेणी में डेटा कम होता है।
क्या Gambeta बॉक्सिंग या UFC के पिक प्रकाशित करता है?
आज नियमित रूप से नहीं।
Gambeta के पिक दूसरे खेलों और मार्केट पर केंद्रित हैं।
हम जो देते हैं वे हैं वैल्यू, मार्जिन और स्टेक निकालने के मुफ़्त औज़ार, और अपना मॉडल कैसे सोचता है यह देखने के लिए Jornal।
क्या कोई मॉडल मुझे जीतने की गारंटी देता है?
नहीं।
मॉडल सिर्फ़ अनिश्चितता को क्रम देता है।
वह ग़लत हो सकता है, और बुकमेकर का मार्जिन आपके ख़िलाफ़ काम करता है।
दांव सिर्फ़ उतना लगाइए जितना आप गँवा सकें और सिर्फ़ तब जब आप 18 साल से ऊपर हों।