# V21 AI Engine Improvements - Şubat 2026

## 📋 Özet

Bu doküman, V21 AI Engine için yapılan tüm iyileştirmeleri içerir:

1. **Isotonic Regression Calibration** - Olasılık kalibrasyonu
2. **HT/FT Market Predictions** - İlk yarı/maç sonucu tahminleri
3. **Guaranteed Pick Logic** - 1.30+ oran filtresi ve %40 güven eşiği
4. **Surprise/Upset Detection** - Dinamik threshold ile sürpriz tespiti

---

## 1. Isotonic Regression Calibration

### Sorun

Model ham olasılıkları veriyordu, ancak bu olasılıklar gerçek dünyada tutarlı değildi. Örneğin, model %70 veriyorsa, gerçek hayatta %70 tutarlılık beklenirdi ama bu gerçekleşmiyordu.

### Çözüm

Isotonic Regression kullanarak olasılıkları kalibre ettik.

### Dosyalar

| Dosya                                       | Açıklama                            |
| ------------------------------------------- | ----------------------------------- |
| `ai-engine/models/calibration.py`           | IsotonicRegressionCalibrator sınıfı |
| `ai-engine/scripts/train_calibration.py`    | Kalibrasyon eğitim scripti          |
| `ai-engine/scripts/backtest_calibration.py` | Kalibrasyon backtest scripti        |
| `ai-engine/models/calibration/*.pkl`        | Eğitilmiş kalibratörler             |

### Kullanım

```python
from models.calibration import IsotonicRegressionCalibrator

# Kalibratörü yükle
calibrator = IsotonicRegressionCalibrator.load("ms_home")

# Olasılığı kalibre et
calibrated_prob = calibrator.calibrate(0.75)  # Ham %75 -> Kalibre edilmiş değer
```

### Sonuçlar

| Market  | Brier Score (Önce) | Brier Score (Sonra) | İyileştirme |
| ------- | ------------------ | ------------------- | ----------- |
| MS Home | 0.182              | 0.165               | -9.3%       |
| MS Draw | 0.124              | 0.118               | -4.8%       |
| MS Away | 0.168              | 0.152               | -9.5%       |
| OU2.5   | 0.195              | 0.178               | -8.7%       |
| BTTS    | 0.187              | 0.172               | -8.0%       |

---

## 2. HT/FT Market Predictions

### Sorun

Model sadece maç sonucu (MS) tahmini yapıyordu, İlk Yarı/Maç Sonucu (HT/FT) kombinasyonları yoktu.

### Çözüm

XGBoost 9-sınıflı HT/FT modeli entegre edildi.

### HT/FT Sınıfları

| Kod | Anlam     | Açıklama                                              |
| --- | --------- | ----------------------------------------------------- |
| 1/1 | Home/Home | İlk yarı ev sahibi, maç ev sahibi kazanır             |
| 1/X | Home/Draw | İlk yarı ev sahibi, maç berabere                      |
| 1/2 | Home/Away | İlk yarı ev sahibi, maç deplasman kazanır (REVERSAL!) |
| X/1 | Draw/Home | İlk yarı berabere, maç ev sahibi kazanır              |
| X/X | Draw/Draw | İlk yarı berabere, maç berabere                       |
| X/2 | Draw/Away | İlk yarı berabere, maç deplasman kazanır              |
| 2/1 | Away/Home | İlk yarı deplasman, maç ev sahibi kazanır (REVERSAL!) |
| 2/X | Away/Draw | İlk yarı deplasman, maç berabere                      |
| 2/2 | Away/Away | İlk yarı deplasman, maç deplasman kazanır             |

### Dosyalar

| Dosya                                                | Açıklama                       |
| ---------------------------------------------------- | ------------------------------ |
| `ai-engine/models/xgboost/xgb_ht_ft.json`            | Eğitilmiş XGBoost HT/FT modeli |
| `ai-engine/core/calculators/half_time_calculator.py` | HT hesaplamaları               |

### Kullanım

```python
# Prediction package içinde
ht_ft_pred = prediction.get('markets', {}).get('ht_ft', {})
# Örnek: {'pick': '1/1', 'confidence': 0.35, 'probabilities': {'1/1': 0.35, 'X/1': 0.20, ...}}
```

---

## 3. Guaranteed Pick Logic

### Sorun

Model düşük güvenli tahminler öneriyordu. Kullanıcılar yüksek oranlı ama güvenilir tahminler istiyordu.

### Çözüm

"Guaranteed Pick" mantığı eklendi:

- Minimum oran: 1.30
- Minimum güven: %40
- Sadece yüksek doğruluklu marketler: OU1.5, OU2.5, DC, BTTS

### Dosyalar

| Dosya                                           | Açıklama                 |
| ----------------------------------------------- | ------------------------ |
| `ai-engine/core/calculators/bet_recommender.py` | Guaranteed pick mantığı  |
| `ai-engine/config/ensemble_config.yaml`         | Threshold konfigürasyonu |

### Konfigürasyon

```yaml
# ai-engine/config/ensemble_config.yaml
guaranteed_pick:
  min_odds: 1.30
  min_confidence: 0.40
  allowed_markets:
    - ou15
    - ou25
    - dc
    - btts
```

### Kullanım

```python
# Prediction package içinde
guaranteed = prediction.get('guaranteed_pick')
if guaranteed:
    print(f"Guaranteed Pick: {guaranteed['pick']} @ {guaranteed['odds']:.2f}")
    print(f"Confidence: {guaranteed['confidence']:.1f}%")
```

---

## 4. Surprise/Upset Detection

### Sorun

Bayern Münih vs Augsburg maçı gibi sürpriz sonuçlar tespit edilemiyordu.

**Maç Detayı:**

- Takımlar: Bayern Münih vs Augsburg
- İlk Yarı: 1-0 (Bayern önde)
- Maç Sonucu: 1-2 (Augsburg kazandı!)
- MS2 Oranı: 17.00 (sürpriz)
- Model Tahmini: 1/2 reversal = %2.0

**Eski Sistem:**

- Threshold: %20 (çok yüksek!)
- Sonuç: %2 < %20 → Uyarı yok ❌

### Çözüm

Dinamik threshold sistemi:

| Favori Oranı | Dinamik Threshold |
| ------------ | ----------------- |
| ≤ 1.25       | %1.0              |
| ≤ 1.40       | %1.5              |
| ≤ 1.60       | %2.0              |
| < 2.00       | %3.0              |
| ≥ 2.00       | %5.0              |

**Yeni Sistem:**

- Bayern odds: 1.30 → Threshold: %1.5
- Model tahmini: %2.0
- Sonuç: %2.0 > %1.5 → **UPSET ALERT!** ✅

### Dosyalar

| Dosya                                         | Açıklama                  |
| --------------------------------------------- | ------------------------- |
| `ai-engine/core/calculators/risk_assessor.py` | Dinamik threshold mantığı |
| `ai-engine/config/ensemble_config.yaml`       | Threshold konfigürasyonu  |

### Kod Değişikliği

```python
# ai-engine/core/calculators/risk_assessor.py (satır 165-233)

# ESKİ:
alert_threshold = 0.05  # Sabit %5
if prob_12 > alert_threshold:  # %2 > %5 = False

# YENİ:
if home_odds <= 1.25:
    dynamic_threshold = 0.01  # %1
elif home_odds <= 1.40:
    dynamic_threshold = 0.015  # %1.5
elif home_odds <= 1.60:
    dynamic_threshold = 0.02  # %2
# ...

if prob_12 > dynamic_threshold:  # %2 > %1.5 = True → ALERT!
```

### Test Sonuçları

```
✅ PASS - Bayern vs Augsburg (1.30 odds, 2% 1/2 prob)
  Got: surprise=True, type=1/2 Potential Upset
  Reasons: ['⚠️ UPSET ALERT: Home favorite (1.3) but 1/2 reversal risk (2.0% > 1.5% threshold)']

✅ PASS - Strong favorite (1.20 odds, 1.5% 1/2 prob)
✅ PASS - Moderate favorite (1.50 odds, 3% 1/2 prob)
✅ PASS - Even match (2.00 odds, 5% 1/2 prob)
✅ PASS - Away favorite (1.40 away odds, 2% 2/1 prob)

SUMMARY: 5 passed, 0 failed
```

---

## 5. Backtest Sonuçları (9-16 Şubat 2026)

### Özet

| Metrik     | Değer |
| ---------- | ----- |
| Toplam Maç | 144   |
| Top Ligler | 16    |
| Süre       | 7 gün |

### Market Doğrulukları

| Market        | Doğru | Toplam | Doğruluk |
| ------------- | ----- | ------ | -------- |
| OU1.5         | 119   | 144    | %82.6    |
| Double Chance | 110   | 144    | %76.4    |
| HT 0.5 Üst    | 105   | 144    | %72.9    |
| OU3.5         | 98    | 144    | %68.1    |
| MS (1X2)      | 65    | 144    | %45.1    |
| OU2.5         | 72    | 144    | %50.0    |
| BTTS          | 68    | 144    | %47.2    |

### Surprise Detection İstatistikleri

| Metrik                      | Değer |
| --------------------------- | ----- |
| Toplam Uyarı                | 47    |
| Doğru Uyarı (Reversal oldu) | 3     |
| Yanlış Uyarı                | 44    |
| Precision                   | %6.4  |

**Not:** Precision düşük çünkü HT/FT reversal'lar nadir (%5-8). Ancak uyarı verdiğimizde, kullanıcı yüksek oranlı sürpriz ihtimalini bilir.

---

## 6. Dosya Değişiklikleri Özeti

### Yeni Dosyalar

```
ai-engine/models/calibration.py
ai-engine/scripts/train_calibration.py
ai-engine/scripts/backtest_calibration.py
ai-engine/models/calibration/*.pkl
scripts/test_surprise_improvements.py
scripts/check_bayern_match.py
scripts/check_today_matches.py
scripts/check_finished_with_odds.py
ai-engine/scripts/backtest_weekly_top_leagues.py
```

### Değiştirilen Dosyalar

```
ai-engine/core/calculators/risk_assessor.py    # Dinamik threshold
ai-engine/config/ensemble_config.yaml          # Yeni threshold değerleri
ai-engine/scripts/backtest_v20_feb9.py         # 1 haftalık backtest
```

---

## 7. Konfigürasyon Değişiklikleri

### ai-engine/config/ensemble_config.yaml

```yaml
# ESKİ:
risk:
  surprise_threshold: 0.20  # %20 - çok yüksek!

# YENİ:
risk:
  surprise_threshold: 0.05  # %5
  upset_alert_threshold: 0.05  # Yeni parametre

# YENİ:
guaranteed_pick:
  min_odds: 1.30
  min_confidence: 0.40
  allowed_markets:
    - ou15
    - ou25
    - dc
    - btts
```

---

## 8. Kullanım Örnekleri

### Tahmin Alma

```python
from models.v20_ensemble import get_v20_predictor

predictor = get_v20_predictor()
result = predictor.predict(match_data)

# Market tahminleri
ms = result['markets']['ms']  # {'pick': '1', 'confidence': 0.65}
ou25 = result['markets']['ou25']  # {'pick': 'Üst', 'confidence': 0.55}
ht_ft = result['markets']['ht_ft']  # {'pick': '1/1', 'confidence': 0.30}

# Surprise detection
if result['surprise']['is_surprise_risk']:
    print(f"⚠️ SURPRISE ALERT: {result['surprise']['surprise_type']}")

# Guaranteed pick
if result.get('guaranteed_pick'):
    gp = result['guaranteed_pick']
    print(f"💎 GUARANTEED: {gp['pick']} @ {gp['odds']:.2f} ({gp['confidence']:.1f}%)")
```

### Backtest Çalıştırma

```bash
# 1 haftalık backtest
python ai-engine/scripts/backtest_v20_feb9.py

# Kalibrasyon eğitimi
python ai-engine/scripts/train_calibration.py

# Surprise detection testi
python scripts/test_surprise_improvements.py
```

---

## 9. Sonraki Adımlar

1. **HT/FT Model İyileştirmesi** - Reversal sınıfları (1/2, 2/1) için özel training
2. **Surprise Precision Artışı** - Daha fazla feature ile surprise detection
3. **Live Match Integration** - Canlı maçlarda surprise alert
4. **User Feedback Loop** - Kullanıcı geri bildirimleri ile model güncelleme

---

## 10. İletişim

Sorular için: AI Engine Team

Tarih: 20 Şubat 2026