Footlab AI फ़ुटबॉल मैचों के पूर्वानुमान की गणना कैसे करता है?
AI से मैच का पूर्वानुमान Footlab AI इस तरह बनाता है: हर मैच के लिए वह दोनों टीमों के अपेक्षित गोलों की संख्या का अनुमान लगाता है, फिर बाइवेरिएट पॉइसन मॉडल से हर नतीजे की संभावना निकालता है। यह अपेक्षित संख्या छह जानकारियों को जोड़ती है: दोनों टीमों की हालिया ताक़त, जो उनके पिछले 40 मैचों पर मापी जाती है (छह महीने पुराना मैच हाल के मैच से आधा वज़न रखता है), लीग के हिसाब से एंकर की गई विश्व एलो रेटिंग, संभावित शुरुआती लाइन-अप, पुष्ट अनुपस्थितियाँ, घरेलू मैदान का फ़ायदा और मैच का संदर्भ (दूसरा लेग, आराम के दिन)। जब मैच के लिए ऑड्स प्रकाशित होते हैं, तो दिखाई गई 1X2 संभावना इस अनुमान को बाज़ार की आम सहमति के साथ मिलाती है, और अपेक्षित गोलों को उसके अनुरूप रखने के लिए फिर से समायोजित किया जाता है। अकेला मॉडल, बड़ी लीगों और यूरोपीय कपों के पहले न देखे गए मैचों पर परखा गया (16 जुलाई 2026), 53.9% मामलों में सही नतीजा पाता है, जबकि तीन नतीजों में से संयोग से चुनने पर 33.3% मिलता; दिया गया कार्ड, जो इसे ऑड्स के साथ मिलाता है, बुकमेकरों के स्तर पर है।
मॉडल संस्करण: 2026-10। कामकाज से जुड़े पिछले बदलाव, 5 अक्टूबर 2026: ऑड्स से बुकमेकरों का मार्जिन अब तथाकथित “पावर” तरीक़े से हटाया जाता है, जो भारी फ़ेवरिट टीमों को अब कम करके नहीं आँकता; ऑड्स किक-ऑफ़ से कुछ पहले दूसरी बार दर्ज किए जाते हैं। उससे पहले, 25 सितंबर 2026 को: अपेक्षित गोल, स्कोर और उनसे निकले दूसरे बाज़ार प्रकाशित 1X2 संभावना के अनुरूप समायोजित किए गए। संदर्भ बैकटेस्ट: 16 जुलाई 2026, 25,424 मैच।
मॉडल किसी मैच के लिए ठीक-ठीक क्या बताता है?
मॉडल तीनों नतीजों (घरेलू जीत, ड्रॉ, बाहरी जीत) में से हर एक की संभावना, सबसे संभावित स्कोर, और उसी स्कोर मैट्रिक्स पर निकाले गए कुछ दूसरे बाज़ारों की संभावना बताता है।
- 1X2 संभावनाएँ, जिनका जोड़ बनावट के हिसाब से ही 100% होता है।
- सबसे संभावित सटीक स्कोर, जो हर टीम के लिए अधिकतम 8 गोल तक सीमित मैट्रिक्स से पढ़ा जाता है।
- 2.5 से ज़्यादा गोल होने की संभावना और दोनों टीमों के गोल करने की संभावना।
- हाफ़-टाइम से पहले गोल की संभावना, जो इस अनुभवजन्य आँकड़े पर कैलिब्रेट है कि 44% गोल पहले हाफ़ में होते हैं।
1X2 संभावना बाज़ार के ऑड्स को क्यों ध्यान में रखती है?
क्योंकि यही सबसे सटीक साबित हुआ। सभी प्रतियोगिताओं के ऑड्स वाले 19,583 मैचों पर (5 अक्टूबर 2026 का माप), अकेला मॉडल 50.5% मामलों में सही नतीजा बताता है और बुकमेकरों की पसंदीदा टीम 52.8% में। दोनों का मेल बाज़ार की बराबरी करता है (52.7%, 98.5% मामलों में पसंदीदा टीम वाला ही पूर्वानुमान) और अकेले मॉडल से साफ़ तौर पर बेहतर कैलिब्रेटेड रहता है (ब्रायर स्कोर 0.583, जबकि अकेले मॉडल का 0.602)। इसलिए Footlab AI बुकमेकरों को नहीं हराता, बल्कि उनके बराबर चलता है: पूरी तुलना, किसी दाँव पर रिटर्न समेत, सटीकता वाले पेज पर प्रकाशित है।
- 1X2 ऑड्स बुकमेकरों के ऑड्स हैं, जिन्हें हमारा डेटा प्रदाता इकट्ठा करता है। इन्हें पहली बार मैच से लगभग एक दिन पहले, और फिर किक-ऑफ़ से 90 से 10 मिनट पहले दोबारा दर्ज किया जाता है (कार्ड सबसे ताज़ा आँकड़ा इस्तेमाल करता है), फिर इनका औसत निकाला जाता है और तथाकथित “पावर” तरीक़े से बुकमेकर का मार्जिन हटाया जाता है: यह तरीक़ा मार्जिन ज़्यादातर कमज़ोर मानी गई टीमों से हटाता है, जहाँ बुकमेकर उसे रखते हैं, जिससे भारी फ़ेवरिट टीमों को अब कम करके नहीं आँका जाता (19,583 मैचों पर, पुराने तरीक़े में 85% बताई गई फ़ेवरिट टीम 92% बार जीतती थी, इस तरीक़े में 87% बताई गई टीम 88% बार)।
- दिखाई गई संभावना में इनका वज़न मॉडल के भरोसे के हिसाब से 85% से 95% तक होता है: जब मॉडल असमंजस में हो, तब 95%। कोई नियम कार्ड को बुकमेकरों का विजेता अपनाने पर मजबूर नहीं करता: जब मॉडल उनसे असहमत होता है (18% मैचों में), तो यही मेल अकेले फ़ैसला करता है, और जब मॉडल काफ़ी आश्वस्त हो, तो वह अपना विजेता बनाए रखता है।
- इसके बाद अपेक्षित गोल, सटीक स्कोर, गोलों और हाफ़-टाइम की संभावनाएँ इस 1X2 संभावना से ठीक-ठीक मेल खाने के लिए समायोजित की जाती हैं। 16,630 मैचों पर मापा गया: सटीक स्कोर और हाफ़-टाइम के पूर्वानुमान बेहतर हुए, कोई बाज़ार ख़राब नहीं हुआ।
- जब ऑड्स प्रकाशित नहीं होते (दूर का मैच या ऐसी प्रतियोगिता जो कवर नहीं होती), तो पूर्वानुमान सिर्फ़ मॉडल का होता है। ऑड्स ख़ुद कभी नहीं दिखाए जाते।
किसी टीम की ताक़त कैसे मापी जाती है?
टीम की ताक़त उसके पिछले 40 मैचों पर आँकी जाती है, ऐसे वज़न के साथ जो हर 180 दिन में किसी मैच का वज़न आधा कर देता है, और जिसे सामने आई टीमों की गुणवत्ता और उसकी प्रतियोगिता के औसत से सुधारा जाता है।
- किए और खाए गए गोलों को 80% अपेक्षित गोलों के साथ मिलाया जाता है (जहाँ प्रदाता देता है वहाँ आधिकारिक xG, वरना निशाने पर लगे शॉट से अनुमान, निशाने पर लगे हर शॉट पर 0.3192 गोल की दर से, जो 2,70,000 मैचों पर मापी गई)।
- हाल के कम मैचों वाली टीम को उसकी प्रतियोगिता के औसत की ओर खींचा जाता है (5 मैचों पर रेगुलराइज़ेशन), ताकि तीन मैचों से निकली कोई चरम ताक़त न दिखे।
जो दो टीमें कभी आपस में नहीं खेलतीं, उनकी तुलना कैसे की जाए?
हर राष्ट्रीय लीग लगभग बंद पूल है, जिसके अंदरूनी मैच एक-दूसरे को संतुलित कर देते हैं: बिना सुधार के, रोमानिया के सबसे अच्छे क्लब और यूक्रेन के सबसे अच्छे क्लब को एक जैसा एलो मिल जाता है। इसलिए Footlab AI क्लब के एलो में एक पूल एंकर जोड़ता है, जो सिर्फ़ अलग-अलग पूलों के बीच हुए मैचों से अपडेट होता है।
- किसी क्लब की विश्व रेटिंग उसके क्लब एलो और उसकी लीग के एंकर का जोड़ होती है।
- किसी लीग का एंकर सिर्फ़ यूरोपीय कपों और अंतरराष्ट्रीय मैचों पर, 24 के गुणांक के साथ, बदलता है: यह इस प्रोजेक्ट में मापा गया सबसे बड़ा अकेला सुधार है।
- महिला क्लबों और युवा टीमों के अपने अलग पूल हैं: उनके नतीजे पुरुषों की लीग का एंकर नहीं हिलाते।
- रेटिंग अपडेट में घरेलू मैदान का फ़ायदा 60 एलो अंक का होता है।
क्या टीम की लाइन-अप ध्यान में रखी जाती है?
हाँ: 9 अगस्त 2026 से, Footlab AI हर मैच से पहले वेब पर संभावित लाइन-अप जाँचता है और घोषित इलेवन, उसके अनुभव और खिलाड़ियों की व्यक्तिगत रेटिंग के आधार पर अपना पूर्वानुमान सुधारता है।
- प्रेस से पुष्ट लाइन-अप को हाल के रोटेशन से अनुमानित लाइन-अप पर प्राथमिकता दी जाती है।
- इलेवन के अनुभव और खिलाड़ियों की मैच रेटिंग को तुलना से पहले उनकी लीग के पैमाने पर लाया जाता है: 7.2 की रेटिंग का मतलब हर जगह एक जैसा नहीं होता।
- पुष्ट अनुपस्थितियाँ (चोट, निलंबन) संबंधित टीम की अपेक्षित आक्रमण क्षमता घटाती हैं।
अलग-अलग लीगों की टीमों के बीच मैचों को अलग से क्यों संभाला जाता है?
क्योंकि घरेलू लीग की फ़ॉर्म लगभग साथ नहीं जाती: बैकटेस्ट में मापा गया कि अलग-अलग लीगों के बीच मैच में यह अपने वज़न का सिर्फ़ 10% बनाए रखती है। यह इस प्रोजेक्ट का सबसे महँगा सबक है, और इसे वैसे ही मॉडल में दर्ज किया गया है।
- अलग-अलग पूलों के बीच मैच में, हाल की घरेलू फ़ॉर्म को उसके सामान्य वज़न के 10% तक घटा दिया जाता है।
- बदले में, विश्व एलो का अंतर लीग मैचों की तुलना में लगभग तीन गुना ज़्यादा वज़न रखता है, क्योंकि पूल एंकरिंग ने इस अंतर को सचमुच तुलनीय बना दिया है।
- इस हिस्से पर सटीकता अलग से और लगातार मापी जाती है, पूर्वानुमान लॉग के cross_pool कॉलम के ज़रिए।
मॉडल का डेटा कितनी बार ताज़ा होता है?
मैच के दौरान स्कोर हर मिनट ट्रैक होते हैं, अंक तालिकाएँ हर घंटे फिर से गिनी जाती हैं, और चोटें व एलो रेटिंग हर दिन फिर से सिंक की जाती हैं।
- किक-ऑफ़ होने तक पूर्वानुमान फिर से गिना जाता रहता है; आख़िरी बार दिया गया संस्करण ही दर्ज और मूल्यांकित होता है।
- असली नतीजे की तुलना पूर्वानुमान से किक-ऑफ़ के कम से कम तीन घंटे बाद होती है।
- टाला गया या रद्द हुआ मैच कभी ग़लती नहीं गिना जाता: चौदह दिन बाद उसे बिना नतीजे के बंद कर दिया जाता है।
मॉडल के पैरामीटर क्या हैं?
नीचे दिए नौ पैरामीटर पूर्वानुमान पर सबसे ज़्यादा असर डालते हैं। हर एक को बैकटेस्ट पर अलग-अलग मान आज़माकर तय किया गया, फिर बाद के ऐसे नमूने पर पुष्ट किया गया जिसे मॉडल ने कभी नहीं देखा था।
| पैरामीटर | मान | यह क्या करता है |
|---|---|---|
| फ़ॉर्म की हाफ़-लाइफ़ | 180 दिन | छह महीने पुराना मैच हाल के मैच से आधा वज़न रखता है। |
| रेगुलराइज़ेशन | 5 मैच | कम देखी गई टीम को उसकी प्रतियोगिता के औसत की ओर खींचा जाता है। |
| अपेक्षित गोलों का वज़न | 0.8 | ताक़त 80% अपेक्षित गोलों पर और 20% असली गोलों पर आँकी जाती है। |
| पूल एंकरिंग गुणांक | 24 | वह रफ़्तार जिससे पूरी लीग विश्व रैंकिंग में ऊपर या नीचे जाती है। |
| घरेलू मैदान का फ़ायदा (एलो) | 60 अंक | रेटिंग अपडेट में मेज़बान टीम को मिलने वाला बोनस। |
| अलग-अलग लीगों के बीच डैम्पिंग | 0.1 | अपनी लीग से बाहर घरेलू फ़ॉर्म अपने वज़न का सिर्फ़ 10% रखती है। |
| कुल गोलों की डैम्पिंग | 0.8 | 2.5 से ज़्यादा गोल की चरम संभावनाओं पर मापे गए अति-आत्मविश्वास को सुधारता है। |
| पहले हाफ़ में गोलों का हिस्सा | 0.44 | हाफ़-टाइम संभावनाओं की गणना का आधार। |
| 1X2 में बाज़ार का वज़न | 0.85 से 0.95 | ऑड्स प्रकाशित होने पर, दिखाई गई संभावना में ऑड्स की आम सहमति का हिस्सा। कभी 1 नहीं: मॉडल का वज़न हमेशा रहता है। |
मॉडल क्या नहीं करता?
यह सूची पिछली सूची जितनी ही अहम है। इसमें दो तरह की बातें हैं: वे जिनसे Footlab AI सिद्धांत के तौर पर दूर रहता है, और वे जिन्हें लागू किया गया, मापा गया, बेकार पाया गया, फिर कोड में शून्य पर छोड़ दिया गया।
- न कोई ऑड्स दिखाए जाते हैं, न कोई एफ़िलिएट लिंक, न किसी ऑपरेटर की सिफ़ारिश। प्रकाशित ऑड्स सिर्फ़ 1X2 की गणना में इनपुट का काम करते हैं (ऊपर देखें): Footlab AI उन्हें कभी नहीं दिखाता और किसी बुकमेकर की ओर नहीं भेजता।
- मौसम का कोई डेटा नहीं। न तापमान, न बारिश, न हवा गणना में शामिल होते हैं।
- प्रेरणा या मैच की घोषित अहमियत का कोई अनुमान नहीं। “बेमतलब मैच” वाली पेनल्टी लागू करके 0.05 से 0.2 तक परखी गई: हर वज़न पर ख़ारिज, शून्य पर छोड़ी गई।
- नतीजे या गोलों पर रेफ़री का कोई असर नहीं। नियुक्त रेफ़री सिर्फ़ कार्डों की संख्या की संभावना में आता है, और वह भी सिर्फ़ तब जब वह मैच से पहले ज्ञात हो, यानी लगभग 3% मैचों में: बाक़ी सभी के लिए यह बाज़ार दोनों टीमों के आधार पर ही गिना जाता है।
- गोलकीपर का अलग से कोई असर नहीं, न डिफ़ेंस में अनुपस्थिति का अलग से कोई असर। दोनों को जुलाई 2026 में परखा गया: पहला नतीजों को लगातार ख़राब करता है, दूसरा शोर से अलग पहचाना नहीं जा सकता। दोनों शून्य पर हैं।
- दो मैचों के बीच आराम के दिनों के अलावा भरे हुए शेड्यूल का कोई असर नहीं। परखा गया, कोई फ़ायदा नहीं।
- लीग के हिसाब से ड्रॉ की दर में कोई सुधार नहीं। परखा गया, यह सिर्फ़ ख़राब करता है: जिन लीगों में ड्रॉ ज़्यादा होते हैं, वे कम गोलों वाली लीगें हैं, और प्रतियोगिता के औसत यह पहले से दर्ज करते हैं।
- चोट, ट्रांसफ़र या कोच के फ़ैसलों का कोई पूर्वानुमान नहीं।
Footlab AI डेटा पर आधारित सांख्यिकीय विश्लेषण (17,000+ मैचों पर कैलिब्रेटेड पॉइसन मॉडल, जिसमें उपलब्ध होने पर प्रकाशित ऑड्स की सर्वसम्मति भी मिलाई जाती है)। यह सट्टेबाज़ी की सलाह नहीं है।
Footlab AI (footlab.ai) एक स्वतंत्र सॉफ़्टवेयर उत्पाद है। इसका इनडोर फ़ुटबॉल सेंटर फ़्रैंचाइज़ी FOOTLAB World से या Footy Labs से कोई संबंध नहीं है।