Metodologia
Come nasce una probabilità Riftcast, come viene valutata a partita conclusa e cosa significano i numeri che ne derivano. Questo è il complemento tecnico della pagina Informazioni.
1. Cosa facciamo
Riftcast pubblica una probabilità per ciascun lato di una partita professionistica di League of Legends, prodotta da modelli di apprendimento automatico addestrati su dati storici. La probabilità viene generata prima dell'inizio della partita, archiviata e poi valutata rispetto al risultato una volta giocata. Una previsione non viene mai rivista a posteriori.
Una probabilità non è una previsione di ciò che accadrà. È un'affermazione su una lunga serie di partite simili: quando diciamo che una squadra vince il 65 per cento delle volte, sosteniamo che su molte partite con quella valutazione se ne vincono circa 65 su 100. Una squadra valutata al 65 per cento che perde non è una previsione fallita. Una squadra valutata al 65 per cento che vince solo la metà delle volte su un ampio campione, sì.
Non vendiamo vincitori annunciati. Pubblichiamo probabilità calibrate e il nostro stesso storico, compresi i mercati in cui quello storico è negativo.
2. I modelli
Su ogni partita girano quattro modelli. Sono addestrati in modo indipendente sugli stessi dati e spesso si contraddicono, ed è voluto: la distanza tra loro è essa stessa un'informazione su quanto sia davvero certo un confronto.
FastTree
Un albero decisionale con gradient boosting, e il riferimento rispetto al quale ogni altro modello viene misurato. Si addestra in fretta, resta stabile tra un riaddestramento e l'altro e gestisce bene il caso ordinario: due squadre note in una lega consolidata con ampio storico recente. È il modello disponibile nel piano gratuito ed è quello che degrada in modo più graduale quando una squadra ha pochi dati.
LightGBM
Un'implementazione di gradient boosting per foglie. Si adatta più rapidamente di FastTree quando il gioco di base cambia, e questo la rende il modello più forte nei passaggi di patch e negli eventi internazionali, dove squadre di regioni diverse si incontrano per la prima volta e la forma regionale è una guida inaffidabile.
PCA Sweep
Una pipeline a componenti principali i cui iperparametri sono selezionati da un'ampia scansione offline, con riduzione della dimensionalità applicata prima del classificatore. Comprimere statistiche di squadra correlate in meno componenti riduce il sovradattamento sulle molte caratteristiche quasi duplicate contenute in un profilo di squadra, ed è tipicamente il più preciso dei tre modelli base.
Consensus
Non un quarto modello ma una miscela pesata dei tre precedenti, ponderata sulla perdita logaritmica recente di ciascuno, così che un modello in un periodo negativo contribuisca meno. Consensus è il singolo numero più affidabile del sito ed è anche il più prudente: produce di rado le probabilità estreme che i modelli singoli talvolta generano.
Ogni modello esiste in due varianti. La variante base prevede a partire dalla forma di squadra e giocatori prima dell'inizio della partita. La variante consapevole del draft rivaluta la stessa partita una volta bloccati tutti e dieci i campioni, aggiungendo i tassi di vittoria dei campioni, le sinergie all'interno di una composizione e i contro dei confronti sopra alla forma di squadra. È disponibile solo a selezione dei campioni conclusa, ed è il motivo per cui una previsione può cambiare poco prima dell'inizio di una partita.
3. Dati di addestramento
- 15,622 partite singole indicizzate
- 450 squadre monitorate
- 230 tornei coperti
- 35,844 previsioni valutate e archiviate
Due fonti alimentano il sistema. Calendari, stato delle partite in diretta e selezione dei campioni provengono dall'API ufficiale LoL Esports su lolesports.com. Le statistiche delle partite concluse, su cui ogni modello viene addestrato e rispetto alle quali ogni previsione viene valutata, provengono dalla raccolta da gol.gg. Quando le due discordano su un risultato, gol.gg fa fede e il flusso in diretta viene scartato.
I modelli vedono la forma di squadra su finestre recenti mobili, una valutazione di forza in stile Elo corretta per il livello regionale e i risultati tra regioni, i tassi di vittoria per lato, le statistiche di obiettivi e oro, la forma individuale del roster attuale e, nella variante consapevole del draft, i campioni effettivamente scelti. Le caratteristiche sono calcolate simmetricamente per entrambi i lati, così che il modello non possa apprendere nulla da quale squadra risulti elencata per prima.
Tutti i modelli si riaddestrano quotidianamente alle 00:10 UTC sull'intero storico disponibile in quel momento, e le previsioni per le partite in arrivo vengono rigenerate al termine dell'addestramento. Un file di modello non viene mai modificato tra un riaddestramento e l'altro.
Nessun torneo è escluso dall'addestramento. Versioni precedenti della pipeline tenevano fuori alcuni eventi minori e internazionali; la pratica è stata abbandonata nel 2026 perché gli eventi esclusi erano proprio quelli in cui i modelli avevano più bisogno di dati.
4. Come viene tracciata la precisione
Le previsioni fatte prima dell'inizio della partita restano archiviate in modo permanente e vengono usate per calcolare questi numeri. Non esiste alcun meccanismo per cancellare, rivedere o rivalutare retroattivamente una previsione pubblicata.
Una previsione viene valutata solo quando la partita compare nei dati dei risultati raccolti. Lo stato della partita in diretta non viene mai usato per liquidare una previsione, perché è fornito al meglio delle possibilità e talvolta è errato; una partita il cui vincitore non può ancora essere stabilito dai dati raccolti resta non valutata anziché essere risolta per inferenza. È più lento che leggere il flusso in diretta ed è il motivo per cui lo storico pubblicato può restare indietro di qualche ora rispetto a un risultato.
La valutazione avviene per esclusione temporale: un modello viene misurato soltanto su partite che non erano ancora avvenute al momento del suo addestramento, l'unico test onesto per un sistema che si riaddestra ogni giorno. Ogni previsione valutata entra nei numeri qui sotto. Non c'è alcun passaggio editoriale in cui una settimana negativa venga esclusa, e nessun mercato viene nascosto perché rende male.
Cosa pubblichiamo
- Tasso di successo
- La quota di selezioni corrette, sempre mostrata insieme al numero di selezioni che la sostiene. Presa da sola è una misura debole: un modello che indica solo favoriti netti può vantare un tasso di successo alto senza aggiungere nulla rispetto al semplice seguire il mercato.
- Punteggio di Brier
- La differenza quadratica media tra la probabilità dichiarata e ciò che è accaduto. Più basso è, meglio è. Dire sempre 50 per cento vale 0,25, quindi qualsiasi valore sopra 0,25 significa che la sicurezza attribuita alle selezioni era peggio che inutile. È la metrica che smaschera un modello che sbaglia con sicurezza, cosa che il solo tasso di successo non fa.
- Perdita logaritmica
- Una seconda regola di punteggio sulle stesse previsioni, che penalizza gli errori sicuri molto più duramente di Brier. È ciò che la miscela Consensus usa per decidere quanto peso meriti attualmente ciascun modello.
- Ritorno sull'investimento
- Quanto avrebbe reso una puntata fissa di un'unità su ogni selezione qualificata, valutata alle quote di mercato disponibili prima della partita. Una selezione corretta rende la quota meno uno; una errata perde un'unità. Il ritorno è il netto diviso per il numero di selezioni. È l'unica misura qui che tiene conto del prezzo ed è quella in cui un modello può essere preciso e comunque non redditizio.
5. Calibrazione
Un modello è calibrato quando la sicurezza che dichiara corrisponde alla realtà su un ampio campione: di tutte le partite valutate al 60 per cento, circa il 60 per cento dovrebbe essere stato vinto. Un modello può essere preciso e mal calibrato allo stesso tempo, scegliendo il lato giusto ma essendone troppo sicuro.
L'output grezzo di un modello non è ben calibrato di per sé, quindi al momento della visualizzazione viene applicato uno strato di calibrazione, adattato solo su previsioni passate già valutate e mai sulla partita che si sta prevedendo. Poiché viene applicato alla lettura della pagina invece di essere fissato nella previsione archiviata, lo storico resta esattamente come è stato pubblicato mentre la calibrazione sottostante continua a migliorare.
La calibrazione è aggregata per lega, così che una lega con poche partite valutate attinga al campione più ampio invece di fidarsi di una manciata di risultati. È anche il motivo per cui le leghe sotto un campione minimo sono contrassegnate come poco affidabili e tenute fuori dai numeri principali: non perché i loro risultati siano cattivi, ma perché non ce ne sono ancora abbastanza da significare qualcosa.
6. Selezioni di valore
Una selezione di valore è un caso in cui la nostra probabilità è superiore alla probabilità implicita del mercato per lo stesso esito. È un disaccordo con il prezzo di mercato, non la previsione di un risultato certo.
valore atteso = (probabilità del modello x quota di mercato) - 1
Quando quel valore supera lo zero, il mercato offre un prezzo che consideriamo troppo generoso e la selezione viene registrata. Ogni selezione registrata è conservata con probabilità, prezzo e orario di pubblicazione, poi valutata come qualsiasi altra previsione. Le selezioni in leghe segnalate come poco affidabili vengono tracciate ma escluse dai ritorni pubblicati, perché una percentuale su una manciata di risultati è rumore.
Un mercato deve avere almeno 50 selezioni valutate prima di poter aprire qualsiasi classifica. Sotto quella soglia i numeri restano pubblicati nella tabella completa, con le loro dimensioni campionarie, ma non sono trattati come un risultato.
Attualmente il mercato più forte a referto è PCA Sweep su Vincitore serie: +10.1 per cento di ritorno su 130 selezioni valutate. Questo valore è derivato, non scelto, e cambia via via che arrivano i risultati.
7. Domande frequenti
Riuscite a prevedere le singole partite all'interno di una serie?
Sì, e vengono valutate separatamente. Le previsioni a livello di partita e a livello di serie sono mercati diversi con denominatori diversi e non vengono mai fuse in un unico numero, perché un al meglio delle cinque contiene più partite e mediarle insieme peserebbe silenziosamente le serie lunghe più di quelle brevi.
Usate informazioni private o riservate?
No. Tutto ciò che i modelli vedono è pubblico: risultati pubblicati, calendari ufficiali e la selezione dei campioni così come viene trasmessa. Non esiste alcuna rete di osservatori, nessuna informazione privata sui roster e nessun contatto con squadre o giocatori.
Come gestite una nuova patch?
I modelli si riaddestrano ogni giorno, quindi una patch entra man mano che ci si gioca sopra e non tramite aggiustamenti manuali. Questo significa che i primi giorni di una patch importante sono il periodo meno affidabile del sito, e le varianti consapevoli del draft si riprendono più in fretta perché le statistiche a livello di campione si spostano prima di quelle a livello di squadra. Non regoliamo i modelli a mano attorno a una patch, perché renderebbe irriproducibile la precisione pubblicata.
Come vengono risolti i pareggi e le partite non giocate?
Una previsione su una partita mai giocata viene annullata anziché contata come errore, e le selezioni annullate sono rimosse da ogni numero. Dove un mercato può chiudere in pareggio, ad esempio un totale che cade esattamente sulla linea, la selezione viene annullata e la posta restituita. Le serie che compaiono nella raccolta con un punteggio incompleto restano non valutate finché non arrivano le partite mancanti.
Perché non usare semplicemente il modello migliore?
Perché quale sia il migliore cambia, e si sa solo col senno di poi. Ciascuno dei tre ha guidato su mercati e in periodi diversi, e l'ordine si sposta tra le patch e tra gioco regionale e internazionale. Miscelarli in base alla perdita logaritmica recente produce un numero più stabile di qualsiasi modello singolo, al prezzo di non essere quasi mai il migliore in assoluto su un dato mercato.
Le previsioni sono generate da modelli di apprendimento automatico e non garantiscono alcun esito. I numeri di questa pagina descrivono previsioni passate già valutate e non sono una previsione di risultati futuri. Solo a scopo informativo; non costituisce consulenza finanziaria.