Meta Judge — мета-ансамбль 7 моделей

Ансамбль: берёт предсказания 7 sub-models (winner, total, spread, quarters) и комбинирует через meta-модель. Consensus voting + weighted probability.

Как работает эта модель

Meta Judge — ансамблевая модель второго порядка. На вход получает предсказания 7 sub-моделей: Winner Pure, HC Cover (3 variants), Total Over (3 lines), Spread (future), и выдаёт единое консолидированное решение. Архитектура — stacked generalization: (1) базовые модели обучены на исторических данных с target labels (winner, margin, total); (2) Meta Judge обучен на их out-of-fold predictions + context features (turn, surface, round) с target = реальный pick исход. Это даёт модели знание о том, в каких ситуациях какая sub-модель надёжнее. Например: Winner Pure надёжен на standard matchups, HC сильнее на lopsided pairings, Total даёт signal только когда оба hold% стабильны. Meta Judge выбирает best sub-model прогноз + weight по context. Вывод: consensus pick + confidence score. В dashboard отображается как одна из моделей верхнего уровня. Walk-forward CV показал +15-20% ROI — ниже чем топовые per-line модели, но более консистентен (меньше DD, равномернее PnL). Используется как tiebreaker когда Trio не сработал но большинство sub-моделей сходятся.

Частые вопросы по модели

В чём разница между Meta Judge и Trio?

Trio — meta-фильтр на уровне family (HC -3.5 CatBoost + XGB + LineMove сошлись → Trio). Meta Judge — ML-модель второго порядка на уровне всего ансамбля (winner + total + spread → single decision). Trio простой filter, Meta Judge обученная модель.

Meta Judge может давать pick отличный от sub-моделей?

Да — если context features говорят что в данной ситуации sub-модели обычно неправы в схожих случаях. Это edge case, но случается (~5% picks).

Как обучался Meta Judge?

Мы взяли out-of-fold predictions sub-моделей за 2 года, собрали в датасет (X = sub_preds + context, y = real outcome), обучили XGBoost classifier. Walk-forward validated.

Другие модели StarkTennis

Посмотреть live прогнозы

Модель даёт сигналы в реальном времени — доступны бесплатно в миниаппе сайта. Каждый pick помечается edge, Kelly ¼ размером ставки и real-time статистикой.

📊 Открыть все прогнозы

Telegram канал с сигналами: @cxcap. Обновление каждые 30 минут.

О проекте StarkTennis

StarkTennis — исследовательская лаборатория теннисных прогнозов ATP и WTA. Ансамбль из 20 ML моделей (XGBoost, CatBoost, LightGBM quantile regression) плюс математические методы без машинного обучения (Glicko-2 Bradley-Terry, Monte Carlo симуляции). Trio meta-consensus фильтр выдаёт самые безопасные picks когда 3+ независимых моделей одного семейства согласны.

Все прогнозы бесплатны, статистика каждой модели обновляется в реальном времени с прозрачным трекингом реального P&L по flat-1000₽ ставке. Сервис не является букмекером и не принимает ставки. Не рекомендация к реальной игре — используйте только для исследовательских целей и понимания value в тенниса.