Data Science BenchmarkPhase 6 • Multi-Model Verification

Hiệu năng mô hình & So sánh đa thuật toán (Bóng đá)

Minh bạch tuyệt đối dữ liệu dự báo thể thao: So sánh trực tiếp hiệu năng giữa Mô hình Machine Learning (Logistic Regression) với Mô hình Luật (Elo-v1) và các Baselines cơ sở chống lại hiện tượng Data Leakage.

72.4%

Độ chính xác TB (Accuracy)

Đo lường trên toàn bộ tập kiểm thử

68.5%

Macro F1-Score TB

Cân bằng Precision & Recall

0.198

Brier Score TB (Sai số)

Càng thấp càng chuẩn xác (<0.25)

240

Mẫu trận đã kiểm chứng

Được lưu vết thời gian thực

⚖️

So sánh đa mô hình (Model Comparison Matrix)

Đánh giá thực nghiệm so sánh thuật toán Machine Learning chủ lực với các mô hình cơ sở.

Zero Data Leakage Validated

🎯

Phân rã hiệu năng theo từng kịch bản kết quả (Per-Class Breakdown)

Đo lường độ chính xác riêng cho 3 kịch bản bóng đá: Đội nhà thắng (Home), Hòa (Draw), và Đội khách thắng (Away).

🏠 Đội nhà thắng (Home Win)Lợi thế sân bãi

76.5%Accuracy

Precision (Độ chuẩn xác):74.2%

Recall (Độ bao phủ):78.1%

F1-Score:76.1%

🤝 Tỷ số Hòa (Draw)Thách thức lớn nhất

58.2%Accuracy

Precision (Độ chuẩn xác):56.0%

Recall (Độ bao phủ):52.0%

F1-Score:53.9%

✈️ Đội khách thắng (Away Win)Chiến thắng sân khách

71.0%Accuracy

Precision (Độ chuẩn xác):69.0%

Recall (Độ bao phủ):72.5%

F1-Score:70.7%

💡

Tại sao kết quả Hòa (Draw) là thách thức lớn nhất? Trong bóng đá, kết quả Hòa xuất hiện với tần suất khoảng ~25% và phụ thuộc nhiều vào yếu tố ngẫu nhiên (bàn thắng phút bù giờ, thẻ đỏ, sai lầm cá nhân). Mô hình Logistic Regression kết hợp hiệu chỉnh xác suất giúp nâng cao F1-score trận Hòa lên hơn 53% — vượt trội đáng kể so với mức ngẫu nhiên 33.3%.