Passo 1: os dados, que são 70% do trabalho
Você precisa de várias temporadas de jogos com resultado final, escalações, calendário e, acima de tudo, as odds de fechamento de cada partida. Sem odds históricas não dá para saber se seu modelo vence o mercado, que é a única pergunta que importa.
Limpe nomes de times duplicados, jogos suspensos e datas em fusos diferentes. Na Gambeta, a maior parte dos erros dos primeiros meses foi de dados, não de modelo.
Cada disputa de bola é um dado. O modelo nunca vê o jogo: vê as linhas que você decidiu guardar antes.
Passo 2: variáveis que existam antes do jogo
A armadilha clássica é o vazamento de informação: usar um dado que só se conhece depois do jogo, como os chutes a gol daquela mesma partida. No treino o modelo parece perfeito; em produção, desaba.
Variáveis válidas: forma recente, gols esperados de jogos anteriores, descanso entre jogos, fator casa, desfalques confirmados e a própria odd de abertura. Em machine learning para apostas esportivas descrevemos as que nosso modelo usa.
Passo 3: o modelo
Para começar não precisa de rede neural. Uma regressão logística ou um gradient boosting bem regularizado preveem probabilidades de 1X2 ou de mais/menos gols com solidez. O importante é que a saída seja uma probabilidade, não um rótulo de "ganha ou perde".
Treine um modelo por esporte. Futebol, tênis, beisebol e basquete têm estruturas diferentes: no tênis mandam os pontos no saque, no beisebol o arremessador titular, no basquete os desfalques. Um modelo único para tudo aprende mal os quatro.
Passo 4: calibração
Um modelo calibrado é aquele que, quando diz 60%, acerta mais ou menos 6 de cada 10 vezes. Mede-se agrupando previsões por faixa e comparando com o que aconteceu. Sem calibração, a comparação com a odd não significa nada e a stake fica mal dimensionada.
Entra ou não entra. Um modelo calibrado aprende com milhares de arremessos como este; com algumas centenas, só aprende ruído.
Passo 5: o teste honesto
Separe a última temporada e não olhe até o fim. Simule apostar só quando sua probabilidade superar a implícita na odd de fechamento, com stake fixa. Se o resultado não for positivo, o modelo não funciona, por mais alta que a precisão pareça.
Essa lógica de apostar só com vantagem é o value betting, e é o que transforma um preditor em ferramenta de apostas.
Passo 6: publicar tudo
Um modelo que não publica o histórico é indistinguível de um tipster. Registre cada palpite com probabilidade, odd e resultado, e deixe à vista. É desconfortável quando perde e é a única forma de alguém confiar quando ganha.
Se tudo isso parece muito trabalho, é porque é: é o que fazemos todo dia na Gambeta, e publicamos de graça para você não ter que construir do zero.
Perguntas frequentes
Dá para treinar uma IA para apostas esportivas sem programar?
Com planilhas você chega a uma regressão simples. Para calibrar e testar contra odds históricas vai precisar de Python ou R.
Quantos jogos são necessários para treinar?
Várias temporadas da mesma liga. Com poucas centenas de jogos o modelo aprende ruído, não padrões.
Quais dados são imprescindíveis?
Resultados, escalações, calendário e odds de fechamento históricas. Sem odds não dá para saber se você vence o mercado.
Uma IA genérica como o ChatGPT serve para isso?
Serve para escrever o código e discutir o desenho, não como modelo: não tem dados nem calibração.