turf_saas/PREDICTION_MODEL_ANALYSIS.md

Analyse du Modèle Prédictif Turf - Documentation Technique

1. Vue d'Ensemble du Système

1.1 Architecture Actuelle

Le système de prédiction turf repose sur plusieurs composants:

• Collecte de données: Scraping PMU (courses, cotes, résultats)
• Calcul de scoring: Agrégation de multiples features par cheval
• Génération de recommandations: Types de paris recommandés avec confiance
• Suivi de performance: Comparaison prédictions vs résultats réels

1.2 Sources de Données

Source	Tables	Description
Canalturf	predictions, odds_history	Cotes et prédictions externes
PMU	pmu_courses, pmu_reunions	Courses et réunions officielles
Interne	scoring, recommendations	Scores calculés et recommandations

---

2. Analyse des Performances Actuelles

2.1 Métriques Globales

Métrique	Valeur	Interprétation
Total prédictions evaluées	96	Échantillon encore réduit
Prédictions réussies (hit)	20	-
Taux de réussite global	20.83%	En dessous du aléatoire (25% pour top 4)
1er prédit = 1er réel	1	42.86% de précision pour le favori
Chevaux dans le top 3	14	14.58% dans le top 3

2.2 Analyse par Rang Prédit

Rang prédit	Total	Hits	Taux de réussite
0 (non classé)	69	9	13.04%
1 (favori)	7	3	42.86%
2	10	3	30.00%
3	10	5	50.00%

Observations:

• Le rang 3 a le meilleur taux (50%) - possible sur-optimisation
• Les favoris (rang 1) ont 42.86% de réussite
• La catégorie "non classé" (rang 0) représente 71.8% des prédictions

2.3 Problemes Identifiés

1. Volume insuffisant: Seulement 96 prédictions evaluées
2. Catégorie 0 trop large: 69 prédictions non classifiées
3. Pas de suivi des résultats: Table recommendations n'avait pas de résultats (0/32) → CORRIGÉ
4. Déséquilibre des données: Majorité de prédictions en rang 0

2.4 Analyse du Rang 0 (Résolu)

Cause racine identifié:

• canalturf_partants: 356 prédictions (tous les partants, rank 0 par défaut)
• canalturf_selections: 165 prédictions (sélections supplémentaires, rank 0)
• canalturf_prono_*: 198 prédictions avec rank 1/2/3 (vraies prédictions)

Solution: Les prédictions avec rank 0 ne doivent PAS être incluses dans l'évaluation de performance. Seuls les ranks 1 (bases), 2 (chances), 3 (outsiders) constituent les vraie prédictions.

2.5 Résultats des Recommandations (Mise à jour)

Après mise à jour automatique:

Résultat	Count
GAGNE	6
PERDU	14

Taux de réussite: 30% ROI: -70% (à affiner avec analyse des cotes)

2.6 Modèle XGBoost - Résultats

Après entraînement sur 4 902 lignes de données historiques:

Modèle	CV AUC	Amélioration vs random
Top 1 (gagnant)	0.697	+19.7%
Top 3 (placé)	0.715	+21.5%

Top Features (par importance):

1. cote_directe - La cote est le predictor le plus important
2. rang_cote - Classement par cote
3. implied_prob - Probabilité implicite (1/cote)
4. ratio_cote_field - Ratio cote vs moyenne du field
5. tx_victoire - Taux de victoire historique
6. forme_recente - Forme récente du cheval

Fichiers générés:

• xgboost_models.pkl - Modèles entraînés
• feature_importance_top1.csv - Importance des features pour top1
• feature_importance_top3.csv - Importance des features pour top3

---

3. Structure des Données

3.1 Tables Principales

predictions (739 lignes)

-- Prédictions brutes avant scoring
date, race_name, race_hippodrome, race_time,
horse_number, horse_name, odds, prediction_rank, source

scoring (123 lignes)

-- Score composite calculé par cheval
score = f(score_cote, score_forme, score_victoire, score_place, 
         score_rk, score_tendance, score_avis)

-- Features individuelles:
score_cote       -- Score basé sur la cote
score_forme      -- Score basé sur la forme récente
score_victoire   -- Taux de victoire historique
score_place      -- Taux de placé historique
score_rk         -- Classement rank
score_tendance   -- Tendance de la cote
score_avis       -- Avis de l'entraîneur

historical_data (5 536 lignes)

-- Données historiques enrichies
date, hippodrome, distance, discipline, allocation
horse_name, horse_number, driver, age, sexe
musique, nb_courses, nb_victoires, nb_places
gains_carriere, gains_annee, reduction_km
avis_entraineur, oeilleres, deferre
cote_directe, cote_reference, est_favori
tx_victoire, tx_place, forme_recente, tendance_forme
ordre_arrivee, top1, top3, top5  -- Variables cibles

recommendations (32 lignes)

-- Recommandations de paris
type_pari: simple_gagnant, simple_place, couple_gagnant, couple_place
cheval1, numero1, cheval2, numero2
cote, mise, gain_potentiel, confiance, justification

3.2 Couverture des Données

Métrique	Valeur
Période couverte	2025-03-19 à 2026-03-18
Nombre de jours de courses	364
Hippodromes différents	45
Disciplines	5 (PLAT, TROT, MONTE, HAIES, STEEPLE)

---

4. Modèle de Scoring Actuel

4.1 Formule de Scoring

Le score composite est calculé selon:

score = score_cote + score_forme + score_victoire + score_place 
      + score_rk + score_tendance + score_avis

Features utilisées:

• score_cote: Pondération inverse de la cote (plus petit = plus haut)
• score_forme: Basé sur forme_recente (0-25 scale)
• score_victoire: tx_victoire du cheval
• score_place: tx_place du cheval
• score_rk: Classement relatif dans la course
• score_tendance: Variation de la cote
• score_avis: Valeur textuelle convertie (POSITIF/NEUTRE/NEGATIF)

4.2 Limites du Modèle Actuel

1. Pas depondération apprentissage: Les poids sont-ils optimaux?
2. Features statiques: Pas de features dynamiques (météo, forme vs竞争对手)
3. Pas de cross-validation: Pas de validation robuste
4. Ignorer les correlations: Interactions entre features non capturées
5. Pas de feature engineering: Variables dérivées limitées

---

5. Améliorations Proposées

5.1 Court Terme (Quick Wins)

5.1.1 Améliorer le Suivi des Résultats

# Ajouter le remplissage automatique des résultats
def update_recommendation_results():
    """Récupérer les résultats officiels et mettre à jour recommendations"""
    # 1. Scraping des résultats PMU
    # 2. Matching avec recommandations
    # 3. Mise à jour du champ resultat

5.1.2 Réduire la Catégorie "Non Classé"

• Analyser pourquoi 71.8% des prédictions ont predicted_rank = 0
• Implémenter un seuil minimum de confiance

5.1.3 Ajouter Plus de Prédictions

• Automatiser le scraping quotidien
• Cible: minimum 500 prédictions avant analyse

5.2 Moyen Terme (Amélioration du Modèle)

5.2.1 Feature Engineering

Nouvelles features à créer:

# Features basées sur l'historique
- forme_vs_favori = forme_recente / forme_favori_moyen
- performance_par_distance = tx_victoire_par_distance[dist]
- performance_par_discipline = tx_victoire_par_discipline[disc]
- performance_par_hippodrome = tx_victoire_par_hippodrome[hippo]
- forme_tendance = forme_3_der courses vs forme_10_dernières

# Features dynamiques
- ecart_cote = cote_directe - cote_reference
- momentum = indicateur_tendance * volume_paris
- valeur = (cote - cote_juste_estimee) / cote_juste_estimee

# Features d'interaction
- forme_x_cote = forme_recente * (1/cote)
- age_x_performance = age * tx_victoire

5.2.2 Modèle de Machine Learning

Approche recommandée: XGBoost avec validation croisée

# Structure de données pour ML
features_ml = [
    'tx_victoire', 'tx_place', 'forme_recente',
    'age', 'nb_courses', 'cote_directe',
    'distance', 'nb_partants', 'est_favori',
    'reduction_km', 'gains_annee'
]

target_top1 = 'top1'  # 1 si cheval gagné
target_top3 = 'top3'  # 1 si cheval placé top 3

# Pipeline ML
1. Séparation train/test (80/20)
2. Cross-validation 5-fold
3. Hyperparameter tuning
4. Feature importance analysis
5. Backtest sur données historiques

5.2.3 pondérations Optimales

Analyse des poids actuels vs optimaux:

Feature	Poids actuel	Importance suggèree
score_cote	14.7	Haute (mais non-linéaire)
score_forme	25.0	Très haute
score_victoire	15.0	Haute
score_place	15.0	Moyenne
score_rk	7.0	Basse
score_tendance	9.3	Moyenne
score_avis	6.5	Variable

5.3 Long Terme (Système Avancé)

5.3.1 Modèles Multi-Cibles

Modèle	Cible	Type de pari
model_top1	top1	Simple Gagnant
model_top3	top3	Simple Placé
model_quinte	top5	Couplé/Quinté

5.3.2 Système de Cotes Justes

# Estimer la cote "juste" vs cote PMU
cote_juste = f(tx_victoire_model, tx_place_model, dispersion)

# Identifier les "value bets"
value = cote_PMU - cote_juste
if value > seuil:
    recommander_pari()

5.3.3 Intégration Météo (Non Implémentée)

La table weather existe mais contient seulement 4 lignes.

À implémenter:

• Scraping météo quotidien
• Impact sur performance (par course)
• Ajustement des prédictions selon conditions

---

6. Plan d'Action

Phase 1: Collecte de Données (Semaine 1-2)

• Automatiser le scraping quotidien
• Compléter le remplissage des résultats
• Atteindre 500+ prédictions évaluées

Phase 2: Analyse Exploratoire (Semaine 3)

• Analyse univariée des features
• Corrélations entre features
• Identification des patterns

Phase 3: Modèle ML (Semaine 4-6)

• Feature engineering
• Entraînement XGBoost
• Validation croisée
• Comparaison avec modèle actuel

Phase 4: Production (Semaine 7-8)

• Déploiement nouveau modèle
• Monitoring des performances
• Ajustements itératifs

---

7. KPIs à Suivre

KPI	Cible Court Terme	Cible Long Terme
Taux hit global	25%	35%
Précision favori	45%	50%
Précision top 3	40%	55%
ROI recommandations	0%	10%+
Volume predictions	500+	2000+

---

8. Conclusion

Le système actuel montre des bases solides mais nécessite:

1. Plus de données pour une analyse statistique robuste
2. Un suivi rigoureux des résultats pour mesure de performance
3. Une évolution vers le ML pour optimiser les pondérations

Les recommandations immédiates:

1. Compléter le remplissage des résultats (0/32 actuellement)
2. Augmenter le volume de prédictions
3. Passer à un modèle XGBoost avec features enrichies

---

Document généré le 2026-03-25 Source: Analyse de turf.db - turf_scraper