Makine öğrenmesi ve bahis: nedir ve nasıl çalışır, lafı dolandırmadan

• Model geçmiş maçlardan öğrenir ve olasılık döndürür, kesinlik değil.
• Tehlikeli olan aşırı uyumdur: geçmişte her şeyi bilmek, canlıda yanılmak.
• İşe yarayıp yaramadığını anlamak için kalibrasyona, Brier’a ve ROI’ye bak ve her zaman zamana göre doğrula.

Makine öğrenmesi nedir, sade bir dille?

Örneklere bakarak öğrenen bir programdır.

Ona kuralları söylemek yerine, oynanmış binlerce maç gösterirsin.

Her maç girdi verileri ve bir nihai sonuç getirir.

Program hangi verilerin genellikle hangi sonuçlarla birlikte geldiğini arar.

Sonra bu örüntüyü henüz oynanmamış bir maçı kestirmek için kullanır.

Köpekleri kedilerden ayırmayı öğrenen bir çocuğu düşün.

Kimse ona anatomiyi anlatmaz.

Çok fotoğraf görür ve neyin tekrar ettiğini fark etmeye başlar.

Maçlarda da aynı şey olur, ama sayılarla.

Bu yazı basit ve teknik olmayan sürümdür.

Bütün bir algoritmanın nasıl çalıştığına dair genel resmi istersen bahis algoritması nasıl çalışır yazısını oku.

Burada nasıl öğrendiğine ve nasıl yanıldığına odaklanıyoruz.

Ona hangi verileri verirsin ve sana ne döndürür?

Girdi verilerine değişken denir.

Son goller, ev sahibi ya da deplasman, dinlenme günleri, kapanış oranları ya da sakatlıklar olabilir.

Çıktı genellikle olası her sonuç için bir olasılıktır.

Model oynayıp oynamayacağına karar vermez.

Yalnızca kestirir.

Karar, onun olasılığını oranın olasılığıyla karşılaştırmaktan çıkar.

Bunu ima edilen olasılık yazısı açıklar ve beklenen değer hesaplayıcısı hesaplar.

Eğitim, doğrulama ve test: üç veri bloğu

Ciddi bir model asla öğrendiği verilerle ölçülmez.

Bu yüzden veriler üç bloğa ayrılır.

Her biri farklı bir iş yapar.

1. Eğitim: modelin öğrendiği maçlar. Onun ders malzemesidir.
2. Doğrulama: sürümleri ayarlamak ve karşılaştırmak için kullandığın maçlar. Deneme sınavıdır.
3. Test: en sona kadar kimsenin dokunmadığı maçlar. Gerçek sınavdır ve yalnızca bir kez kullanılır.

Test bloğunu çok kez kullanırsan test olmaktan çıkar.

Sonunda modeli o sınava göre ayarlamış olursun.

Bu yaygın ve fark edilmesi çok zor bir tuzaktır.

Aşırı uyum nedir ve neden bu kadar modeli mahveder?

Aşırı uyum, model öğrenmek yerine ezberlediğinde ortaya çıkar.

Eski maçların şansını bile öğrenir.

Sekip giren bir gol, tartışmalı bir penaltı, şiddetli bir yağmur.

Bunlar tekrar etmez ama model tekrar edeceğini sanır.

Geçmiş yılların sınav cevaplarını ezberleyen bir öğrenci gibi.

Sınav değişirse hiçbir şey bilmez.

Pratikte on aldı, gerçek sınavda dört.

Örnek: kusursuz görünen bir model

Bu tablodaki bütün sayılar, fikri anlatmak için uydurulmuş bir örnektir.

Eğitmek için 20 maç ve test etmek için 20 yeni maç hayal et.

Çok fazla kuralı olan bir model, ilk grubun her ayrıntısına uyum sağlar.

İlk grubun %100’ü hiçbir şey ifade etmez.

Model o cevapları zaten biliyordu.

İkinci grubun %55’i dürüst sayıdır.

Ve yalnızca 20 maçla o sayı bile sağlam değildir.

Çok tutturan bir model neden canlıda kaybedebilir?

Sık görülen dört neden var.

Genellikle birlikte ortaya çıkarlar.

• Aşırı uyum: geçmişi ezberledi, örüntüyü öğrenmedi.
• Veri sızıntısı: model istemeden, gerçek hayatta maçtan önce sahip olmayacağı bilgiyi gördü.
• Değişen piyasa: oranlar düzeltilir ve dünün değeri kaybolur.
• Küçük örneklem: 50 maçlık iyi bir seri saf şans olabilir.

Son neden en çok hafife alınanıdır.

Bir sonuca güvenmek için kaç bahis gerektiğini görmek istersen kazandığını anlamak için kaç bahis gerekir yazısını oku.

Zamansal doğrulama nedir ve neden geleceğe bakılamaz?

Bahiste zamanın sırası önemlidir.

Bir model, kestirmek istediği maçtan sonra oynanan maçlardan öğrenemez.

Açık görünür ama testler kurarken en yaygın hatadır.

Maçları rastgele karıştırırsan model mart ayından bir maçla eğitilip şubat ayından bir maçla test edilebilir.

Bu, geleceği gözetlemektir.

Sonuç, gerçek hayatta olacağından daha iyi görünür.

1. Maçları tarihe göre sırala

   En eskiden en yeniye.

   Asla karıştırma.

2. Geçmişle eğit

   Örneğin ilk sekiz ayla.

   Model yalnızca o maçları görür.

3. Sonraki dönemle test et

   Kesintiden sonraki ay.

   Model görmediği maçları kestirir.

4. Pencereyi kaydır ve tekrarla

   O ayı eğitime ekle ve sonrakini test et.

   Böylece gerçek hayatta nasıl kullanıldığını simüle edersin.

Temiz veriler neden bu kadar önemli?

Model ona verdiğini öğrenir.

Ona kirli veri verirsen kirli şeyler öğrenir.

İngilizce söz “çöp girer, çöp çıkar”dır.

En az gösterişli ama en önemli iş temizlemektir.

• Aynı kulüp için iki farklı biçimde yazılmış takım adları.
• Yanlış girilmiş sonuçlar ya da oynanmış görünen ertelenmiş maçlar.
• Farklı saatlerde alınıp aynıymış gibi karıştırılmış oranlar.
• Maçtan sonra öğrenilip öncesinde bilinmiş gibi kaydedilmiş sakatlıklar.

Binlerce satırdaki küçük bir hata her şeye bulaşır.

Bu yüzden iyi bir model her veriyi tarihi ve kaynağıyla saklar.

Tarih olmadan maçtan önce neyin bilindiğini anlayamazsın.

Hangi metrikler gerçekten önemli?

En popüleri isabet, yani tutturma yüzdesidir.

Bahiste aynı zamanda en yanıltıcısıdır.

Her isabetin ne kadar ödediğine bakmaz.

Kalibrasyon: %70 gerçekten %70 mi?

Bir model, yüzdeleri tutuyorsa kalibredir.

%70 dediği 100 maçta yaklaşık 70’ini tutturmalı.

55 tutturuyorsa fazla kendinden emindi.

Para kaybettiren şey bu aşırı güvendir.

Brier: hatanın puanı

Söylediğinle olanın farkının karesiyle hesaplanır.

%80 dedin ve oldu ise hata 0,2’nin karesidir.

Olmadıysa hata 0,8’in karesidir.

Tüm maçlar üzerinden ortalaması alınır.

Bu, kodla doğrulanmış bir örnektir.

Bir model 5 maçta %80 diyor ve 4’ünü tutturuyor.

Brier skoru 0,16’dır.

Hiçbir şey bilmeden her şeye %50 diyen 0,25 alır.

Düşük olan daha iyidir, yani ilki kazanır.

Son satıra dikkat et.

%100 diyen aynı kadar tutturdu ama daha kötü not alır.

Brier, haklı çıkarılamayan güveni cezalandırır.

ROI’ye karşı isabet: aynı model, iki hüküm

Bir başka örnek, o da doğrulanmış.

1,30 oranına 10 kez oynuyorsun ve 7’sini kazanıyorsun.

2,50 oranına başka 10 kez oynuyorsun ve 5’ini kazanıyorsun.

İsabete göre seçmek seni ilk gruba gönderirdi ama hesaplara bak.

1,30 oranı için başabaş noktası, vakitlerin %76,9’unu tutturmaktır.

%70 tutturmak seni altında bırakır.

2,50 oranı için %40 yeter.

Bu yüzden oran olmadan isabet hiçbir şey söylemez.

Gambeta bunu dürüst terimlerle nasıl kullanıyor?

Gambeta tahminlere karar vermek için bir yapay zekâ sohbeti kullanmaz.

Temeli, maç verileriyle olasılıkları kestiren bir istatistik modelidir.

Sonra ona vetolar ve bir kalibrasyon uygulanır.

• Model: her sonucun olasılığını kestirir.
• Vetolar: önemli bir eksik ya da veri yokluğu gibi bir şey uymuyorsa tahmini çıkaran kurallar.
• Kalibrasyon: yüzdeleri fazla iyimser olmasın diye ayarlar.
• Kayıt: her tahmin maçtan önce yayımlanır ve kamuya açık kaynaklarla sonuçlanır.

İç parametreleri anlatmıyoruz, çünkü işin parçasıdırlar.

Gösterdiğimiz, yayımlanan her şeyin sonucudur.

Amaç bize inanmak zorunda kalmaman: inceleyebilirsin.

Kaynaklı ve tarihli gerçek bir veri

Bunu, 28 Ekim 2026’da güncellenen Gambeta geçmişinin herkese açık dosyasıyla hesapladık.

21 Mart 2026’dan beri kazanıldı ya da kaybedildi olarak sonuçlanmış 1.539 tahmin var.

856’sı kazandı, yani %55,6.

Ortalama oran 1,83 oldu.

Her tahminde sabit bir birimle sonuç neredeyse sıfırdır.

ROI −%0,02 çıkıyor, bu teknik beraberlik olarak okunur.

Övünülecek bir sayı değil ve bu yüzden onu koyuyoruz.

Sabit bahisli bir ölçümdür, her tahminin gerçek stake’i değil.

Her sonucun ayrıntısı geçmişte.

Günlük analiz ve düzeltmeler Bahis Günlüğü’nde (Jornal).

“Kazandıran” bir model satan birini nasıl fark edersin?

Oldukça net alarm işaretleri var.

Birkaçını birlikte görürsen uzaklaş.

• Yalnızca isabeti gösterir, asla ROI’yi ya da oranları göstermez.
• “Geçmişteki” isabetlerden bahseder ama maçtan önce yayımlanmış tahmini yoktur.
• Kazanç vaat eder ya da “kesin” ve “risksiz” der.
• Nasıl ölçtüğünü ve hangi verilerle ölçtüğünü açıklamaz.

Bunu derinleştirmek istersen bahis için kendi yapay zekânı nasıl oluşturup eğitirsin yazısına bak.

Orada kendi verilerinle kendini kandırmamanın ne kadar zor olduğunu göreceksin.

Araçları karşılaştırmak için de spor bahisleri için en iyi yapay zekâ yazısı var.

Sonra ne okumalı?

Kaç maç gerektiği kafanda kaldıysa örneklem büyüklüğü ile devam et.

Bütün resmi istersen bahis için yapay zekâ ana rehberine dön.

Para koyacaksan önce sorumlu bahis oynamayı gözden geçir.

Bu yazı eğitim amaçlıdır ve bir bahis önerisi değildir.

Oyun yalnızca 18 yaş üstü içindir.

Sadece kaybedebileceğin kadarını oyna.

Sık sorulan sorular

Bahse uygulanan makine öğrenmesi nedir?

Gelecek maçların olasılıklarını kestirmek için geçmiş maçlardaki örüntüleri öğrenen bir program kullanmaktır.

Kesinlik vermez, sayı verir.

Değer, bu olasılığı oranla karşılaştırınca ortaya çıkar.

Geçmişte çok tutturan bir model işe yarar mı?

Zorunlu değil.

Zaten gördüğü verilerde neredeyse her şeyi tutturuyorsa ezberliyor olabilir.

Asıl önemli olan, hiç görmediği maçlarda, zamana göre sıralanmış hâlde nasıl performans gösterdiğidir.

Aşırı uyum nedir?

Modelin eski maçları, şansları dahil, ezbere öğrenmesidir.

Geçmişte kusursuz görünür.

Yeni maçlarda çok daha kötü performans gösterir, çünkü şans tekrar etmez.

Neyi ölçmek daha iyi, isabeti mi ROI’yi mi?

ROI’yi, kalibrasyonla birlikte.

İsabet oranı hesaba katmaz.

Bir model düşük oranlarla %70 tutturup yine de para kaybedebilir.

Kullanmak için programlama bilmem gerekir mi?

Nasıl çalıştığını anlamak ve bir modelin ciddi olup olmadığına karar vermek için hayır.

Kendi modelini kurmak için biraz kod ve istatistik öğrenmek gerekir.

Birçok okur bir tabloyla başlar.

Gambeta makine öğrenmesi kullanıyor mu?

Gambeta bir istatistik modelini vetolarla ve sonradan yapılan bir kalibrasyonla birleştirir.

Her tahmin maçtan önce kaydedilir.

Hepsinin sonucunu herkese açık geçmişte inceleyebilirsin.