Логистическая регрессия в прогнозах: что это такое простыми словами

Суть логистической регрессии в прогнозах

Логистическая регрессия — это базовый инструмент для оценки вероятности бинарного исхода. Модель вычисляет P(событие=1) через логистическую функцию от линейной комбинации признаков, например xG, травм и формы. Ключевая особенность — S-образная кривая, которая «сжимает» любые значения в строгий диапазон от 0 до 1, что идеально подходит для вероятностей. Это позволяет связать сложные факторы матча с итоговым шансом.

Зависимая переменная всегда бинарна: 1 или 0. В спортивной аналитике это победа хозяев (1/0), тотал больше (1/0), «обе забьют» (1/0) или индивидуальный тотал команды. Модель не предсказывает точный счёт, она отвечает на вопрос «да или нет» для выбранного сценария, что упрощает интерпретацию для беттора.

На выходе вы получаете три вещи. Во-первых, саму вероятность. Во-вторых, логиты — это коэффициенты при признаках: положительный логит повышает шансы, отрицательный — снижает. В-третьих, отношение шансов (OR): оно показывает, во сколько раз меняются шансы при росте признака на единицу. Условный пример: OR=1,20 для xG означает, что каждый дополнительный ожидаемый гол увеличивает шансы на победу в 1,2 раза.

Признаки и подготовка данных

Основа прогноза — метрики, отражающие процесс, а не только итог. Для футбола это xG (ожидаемые голы) и xGA (ожидаемые пропущенные), показывающие качество моментов. Дополняем их ударами в створ (SoT) и общей интенсивностью (Shots). Давление измеряем через PPDA: чем ниже значение, тем агрессивнее прессинг. Форма — это xG‑6, среднее xG за шесть матчей, а физическое состояние — rest-days (дни отдыха) и xTravel (условный пример: перелёт из Москвы во Владивосток — это свыше 6000 км и смена часовых поясов, что снижает xG на 5–7%).

Категориальные признаки требуют перевода в числа. Лигу, стадию кубка, судью и погоду кодируем. One-hot превращает «дождь» в отдельный столбец 0/1. Target encoding сложнее: мы заменяем категорию средним значением целевой переменной. Например, если при арбитре Иванове процент домашних побед равен 62%, то для матчей под его эгидой модель получит признак 0,62. Это мощно, но опасно из-за переобучения — нужна кросс-валидация.

Критически важно исключить утечку: никаких итоговых счетов и замен в признаках. Окна данных выравниваем строго по времени: для матча 24.10.2026 берём xG‑6, рассчитанный по играм до этой даты. Числовые метрики масштабируем (StandardScaler), а дисбаланс классов (много фаворитов) выравниваем через class_weight или SMOTE, чтобы логистическая регрессия не игнорировала аутсайдеров.

Обучение, регуляризация и валидация

Параметры логистической регрессии оцениваются методом максимального правдоподобия (MLE): алгоритм подбирает веса признаков так, чтобы предсказанные вероятности наиболее вероятно породили наблюдаемые исходы. Чтобы модель не переобучалась и не росла в размерах, применяют регуляризацию. L2 (Ridge) «штрафует» большие веса, повышая устойчивость на зашумлённых данных. L1 (Lasso) обнуляет несущественные коэффициенты, выполняя автоматический отбор признаков — это критично, когда признаков десятки, а матчей сотни. При сильном дисбалансе классов (например, явный фаворит против аутсайдера) используйте class_weight, иначе модель будет склоняться к «безопасному» прогнозу на большинство.

Временные ряды требуют честной валидации: используйте rolling/time‑series split, чтобы тест всегда был «в будущем» относительно обучения. Оценивайте качество по ROC‑AUC (различение классов), log‑loss (штраф за излишнюю уверенность) и Brier score (близость вероятностей к истине). Обязательно калибруйте вероятности: Platt (логистическая подгонка) или Isotonic (монотонная регрессия) исправят систематические смещения, чтобы 70% означали именно 70% побед.

Проверьте мультиколлинеарность через VIF: значения выше 5–10 говорят о дублирующих признаках, искажающих веса. Значимость коэффициентов оцените тестом Вальда (Wald). Наконец, контролируйте стабильность: пересчитывайте веса по сезонам; если знак или масштаб коэффициента «прыгает», признак ненадёжен для прогноза. Условный пример: xG в одном сезоне весом 0,9, в другом — 0,2; такой признак лучше исключить или усреднить.

Интерпретация и перевод в коэффициенты

Коэффициент β в модели — это не сама вероятность, а логарифм отношения шансов. Чтобы понять влияние признака, считаем OR=exp(β): при росте x на 1 шансы исхода умножаются на этот множитель. Если β=0,45, то OR≈1,57 — шансы растут на 57%. Для вероятности нужен маржинальный эффект: dP/dx = P(1−P)·β. Он меняется по шкале: при P=0,5 влияние максимальное, на краях — почти нулевое.

Получив откалиброванную вероятность p, «честную» цену берём как fair=1/p. Сравниваем с линией: если fair=2,10, а букмекер даёт 2,35 — это потенциальный value. Ожидаемая доходность EV = p·K − 1, где K — коэффициент. Для доли Келли: f = (p·(K−1) − (1−p)) / (K−1). Условный пример: p=0,48, K=2,35 → EV≈0,028 (2,8% к обороту), f*≈0,066 (6,6% банка).

Сценарии считаем через изменение линейного предиктора. Если xG команды вырос на 0,3, а β_xG=0,85, то лог-шансы прибавляют 0,255. При базовой P=0,44 (шансы 0,786) новые шансы ≈0,786·exp(0,255)≈1,02, то есть P≈0,505. Порог value при K=2,20: нужно p>1/2,20≈0,455. Базовый сценарий не дотягивал, после +0,3 xG — уже даёт value. Такой «сенситивный» анализ показывает, где линия ломается.

Выводы

Логистическая регрессия — это прозрачная база для вероятностных прогнозов и поиска value. Модель выдаёт P — честную вероятность исхода, а не «совет». Value возникает, когда ваша P выше, чем вероятность, заложенная в коэффициент с учётом маржи.

Прозрачность коэффициентов помогает объяснять сигнал и отсекать мусор.

Ключ к качеству — корректные признаки без утечек, rolling‑валидация и калибровка. Исключайте «взгляд в будущее»: не используйте итоговый счёт, xG матча, статус травм в день игры. Обучайте на движущемся окне и проверяйте на следующем отрезке — так вы видите реальную деградацию. После этого калибруйте вероятности (например, изотонической калибровкой), чтобы 60% по модели были ≈60% на валидации.

Регрессия задаёт P; решение о ставке — это банкролл‑менеджмент и учёт маржи/лимитов. Переводите edge в размер по Келли с дробным коэффициентом, ограничивайте долю на исход и диверсифицируйте рынки. Помните про маржу, налоги и лимиты: они «съедают» часть edge и могут закрыть плечо.

Итог: модель — инструмент оценки, дисциплина — инструмент выживания.

Частые вопросы

Чем логистическая регрессия отличается от пробит‑модели в спортивных прогнозах?

Обе модели оценивают вероятность бинарного исхода, но используют разные функции связи: логистическую (логит) и кумулятивную нормальную (пробит). На практике логит проще интерпретировать через отношение шансов (odds ratio), а пробит чаще опирается на латентные переменные. В спортивных данных их предсказания обычно очень близки, и выбор чаще определяется удобством и скоростью сходимости.

Какие признаки лучше всего работают для прогноза победы в футболе?

Наиболее устойчивыми являются метрики интенсивности и качества моментов: ожидаемые голы (xG), xG без пенальти, разность xG за матч и доля касаний в опасной зоне (OLP). Важны также контекстные переменные: состояние xG‑формы на окне 5–8 матчей, удалённость перелёта и плотность календаря. Дополнительно улучшают модель индикаторы состава: ожидаемая угроза (xT) ключевых игроков и дисквалификации.

Как проверить, что вероятности логистической регрессии откалиброваны?

Основной инструмент — диаграмма надёжности (reliability diagram): разбейте прогнозные вероятности на интервалы (бины) и сравните среднюю предсказанную вероятность со средней фактической частотой исхода. Дополнительно используйте Brier score (среднеквадратичную ошибку вероятности) и сравните с baseline. При систематическом смещении примените платинг или изотоническую регрессию для посткалибровки.

Как из вероятности логит‑модели получить fair‑коэффициент и оценить value?

Fair‑коэффициент без маржи вычисляется как 1/p, где p — вероятность исхода; для ничьи и комби‑рынков учитывайте маржу по формуле margin = sum(1/odds_i) − 1. Value есть, если ваша вероятность выше, чем подразумеваемая вероятность коэффициента: value = p − (1/odds). Условный пример: p=0.45, fair=1/0.45≈2.22; при рыночном коэффициенте 2.50 value=0.45−1/2.50=0.05 (5 процентных пунктов).

Когда логистическая регрессия уступает градиентному бустингу и нейросетям?

Когда важны нелинейные взаимодействия и пороговые эффекты: например, влияние xG распределяется неравномерно по диапазонам или есть сильные взаимодействия «состав × стиль соперника». Градиентный бустинг (GBDT) лучше ловит такие зависимости на табличных данных и обычно даёт более высокий AUC/PR-AUC. Нейросети оправданы при больших объёмах и сложных сигналах (последовательности событий, трекинг), но требуют регуляризации и больше данных, иначе проигрывают бустингу по обобщению.