georgedouzas/sports-betting

해결하는 문제

sports-betting은 스포츠 베팅 모델을 만들고 테스트하며 배포하는 종합적인 툴킷을 제공합니다. 스포츠 통계와 배당률 수집, 과거 데이터에 대한 전략 백테스팅, 그리고 모델의 예측 확률이 책메이커의 암묵적 확률보다 높은 '가치 베팅'을 식별하는 과정을 간소화합니다.

작동 방식

이 라이브러리는 두 가지 주요 구성 요소로 나뉩니다:

1. Dataloaders: 지정된 통계 및 배당률 소스에서 데이터를 추출하고 형태를 조정하며, 사용자가 데이터 출처를 정확히 알 수 있도록 보장합니다.
2. Bettors: scikit-learn 추정기들을 감싸서 베팅 전략을 백테스팅하고, 앞으로의 이벤트에 대한 가치 베팅을 예측합니다.

모델링 외에도, 프로젝트는 실행 계층을 포함하여 책메이커 API를 통해 베팅을 수행하거나, Playwright를 사용해 웹 브라우저를 자동화하여 책메이커 웹사이트와 상호작용할 수 있습니다.

대상 사용자

• 데이터 과학자 및 ML 엔지니어: scikit-learn 생태계를 사용하여 스포츠 예측 모델을 구축하고 평가하고 싶은 사람.
• AI 에이전트 개발자: MCP 서버를 포함하여, AI 에이전트(예: Claude)가 데이터를 탐색하고 모델을 작성하며 백테스팅하고 베팅을 실행할 수 있도록 지원합니다.
• 스포츠 베팅 사용자: 가치 베팅을 프로그래밍 방식으로 찾고 실행하고 싶은 사용자.

주요 특징

• AI 에이전트 통합: 데이터 탐색에서 베팅 실행까지 전 과정을 수행할 수 있는 전용 MCP 서버를 제공합니다.
• scikit-learn 호환성: 어떤 scikit-learn 추정기든 베팅기의 기반 모델로 사용할 수 있습니다.
• 엔드투엔드 워크플로우: 데이터 추출, 모델 훈련, 백테스팅, 자동 베팅 실행까지 전체 파이프라인을 커버합니다.
• 다중 인터페이스 접근: Python API, 명령줄 인터페이스(CLI), AI 에이전트용 MCP 서버를 통해 접근 가능합니다.