georgedouzas/sports-betting

解决的问题

sports-betting 提供了一个全面的工具包，用于创建、测试和部署体育博彩模型。它简化了收集体育统计数据和投注赔率、使用历史数据回测策略，以及识别“价值投注”（即模型预测概率高于博彩公司隐含概率）的过程。

工作原理

该库分为两个主要组件：

1. Dataloaders：负责从指定的统计数据和赔率来源提取和整理数据，确保用户清楚了解数据来源。
2. Bettors：封装 scikit-learn 估计器，用于回测投注策略并预测未来赛事的价值投注。

除了建模之外，该项目还包含一个 执行 层，可通过博彩公司 API 下注，或使用 Playwright 自动化网页浏览器与博彩公司网站交互来执行投注。

适用人群

• 数据科学家和机器学习工程师：希望使用 scikit-learn 生态系统构建和评估体育预测模型的人。
• AI Agent 开发者：项目包含一个 MCP 服务器，允许 AI Agent（如 Claude）探索数据、编写模型、回测并执行投注。
• 体育博彩爱好者：希望以编程方式发现并执行价值投注的用户。

主要亮点

• AI Agent 集成：提供专用的 MCP 服务器，使 AI Agent 能够从数据探索到投注执行完成全流程操作。
• 与 scikit-learn 兼容：任何 scikit-learn 估计器均可作为 bettor 的底层模型使用。
• 端到端工作流：覆盖整个流程：数据提取、模型训练、回测和自动投注执行。
• 多接口访问：可通过 Python API、命令行界面（CLI）以及 AI Agent 专用的 MCP 服务器访问。