Update app.py

app.py

@@ -1,7 +1,7 @@
 import os
 import numpy as np
-import xgboost as xgb
 import gradio as gr
+from scipy.stats import poisson
 from groq import Groq
 
 # ==========================================
@@ -13,33 +13,55 @@ if api_key:
     client = Groq(api_key=api_key)
 
 # ==========================================
-# 📊 2. SENTETİK XGBOOST MODELİ (MOCK TRAIN)
+# 📊 2. POISSON DAĞILIMI İLE GOL TAHMİN MOTORU
 # ==========================================
-def train_baseline_xgboost():
-    X_synthetic = np.array([
-        [1, 18, 13, 3, 0, 3],
-        [15, 2, 4, 12, 2, 0],
-        [8, 9, 7, 8, 1, 1],
-        [4, 5, 10, 9, 0, 1],
-        [20, 19, 2, 1, 3, 2],
-        [3, 16, 11, 4, 1, 2],
-        [17, 4, 3, 11, 2, 0]
-    ])
-    y_synthetic = np.array([0, 2, 1, 0, 1, 0, 2])
-
-    model = xgb.XGBClassifier(
-        n_estimators=30,
-        max_depth=3,
-        learning_rate=0.1,
-        objective='multi:softprob',
-        num_class=3,
-        eval_metric='mlogloss',
-        random_state=42
-    )
-    model.fit(X_synthetic, y_synthetic)
-    return model
+def calculate_poisson_probabilities(home_rank, away_rank, home_form, away_form, home_injuries, away_injuries):
+    """
+    Takım güçlerini (sıralama, form, sakatlık) kullanarak beklenen gol sayılarını (Lambda) hesaplar.
+    Ardından Poisson dağılımı ile 0-5 arası gol atma olasılıklarını matrise döker.
+    """
+    # 1. Takım Güçlerini Hesaplama (Basit bir formülasyon)
+    # Lig sıralaması: 1. sıra en güçlü, 20. sıra en zayıf (20 - sıra + 1)
+    home_rank_power = max(1, 21 - home_rank)
+    away_rank_power = max(1, 21 - away_rank)
+    
+    # Form gücü: Form puanı 0-15 arası. (Form / 15) * 2 + 0.5 (0.5 ile 2.5 arası çarpan)
+    home_form_power = (home_form / 15.0) * 2 + 0.5
+    away_form_power = (away_form / 15.0) * 2 + 0.5
+
+    # Sakatlık cezası: Her sakat oyuncu gücü %10 düşürür
+    home_injury_penalty = max(0.5, 1.0 - (home_injuries * 0.10))
+    away_injury_penalty = max(0.5, 1.0 - (away_injuries * 0.10))
+
+    # Ev sahibi avantajı (Futbolda ortalama %15-20 avantajdır)
+    home_advantage = 1.20 
+
+    # 2. Beklenen Gol Sayıları (Lambda - λ)
+    # Temel gol ortalaması varsayımı: Ev için 1.5, Deplasman için 1.2
+    base_home_goals = 1.5
+    base_away_goals = 1.2
+
+    lambda_home = base_home_goals * (home_rank_power / 10.0) * home_form_power * home_injury_penalty * home_advantage
+    lambda_away = base_away_goals * (away_rank_power / 10.0) * away_form_power * away_injury_penalty
 
-xgb_model = train_baseline_xgboost()
+    # Lambda değerlerini mantıklı bir aralığa sıkıştır (0.1 ile 4.0 arası)
+    lambda_home = max(0.1, min(4.0, lambda_home))
+    lambda_away = max(0.1, min(4.0, lambda_away))
+
+    # 3. Poisson Matrisi (0-5 gol arası)
+    max_goals = 5
+    home_probs = [poisson.pmf(i, lambda_home) for i in range(max_goals + 1)]
+    away_probs = [poisson.pmf(i, lambda_away) for i in range(max_goals + 1)]
+
+    # Skor matrisi (Ev x Deplasman)
+    score_matrix = np.outer(home_probs, away_probs)
+
+    # 4. Kazanma Olasılıklarını Toplama
+    p_home_win = np.sum(np.tril(score_matrix, -1)) # Ev sahibinin daha fazla gol attığı alt üçgen
+    p_draw = np.sum(np.diag(score_matrix))         # Beraberlik (kökler)
+    p_away_win = np.sum(np.triu(score_matrix, 1))  # Deplasmanın daha fazla gol attığı üst üçgen
+
+    return p_home_win, p_draw, p_away_win, lambda_home, lambda_away, score_matrix
 
 # ==========================================
 # 🧠 3. TAHMİN VE ANALİZ MOTORU
@@ -48,17 +70,21 @@ def predict_and_analyze(home_team, away_team, home_rank, away_rank, home_form, a
     if not home_team or not away_team:
         return "Lütfen ev sahibi ve deplasman takımlarının isimlerini giriniz.", {}
 
-    features = np.array([[home_rank, away_rank, home_form, away_form, home_injuries, away_injuries]])
-    probabilities = xgb_model.predict_proba(features)[0]
-    
-    p_home = float(probabilities[0])
-    p_draw = float(probabilities[1])
-    p_away = float(probabilities[2])
+    # Poisson hesaplamalarını yap
+    p_home, p_draw, p_away, lam_home, lam_away, score_matrix = calculate_poisson_probabilities(
+        home_rank, away_rank, home_form, away_form, home_injuries, away_injuries
+    )
+
+    # En olası skoru bulma
+    max_prob_idx = np.unravel_index(np.argmax(score_matrix), score_matrix.shape)
+    most_likely_score = f"{max_prob_idx[0]} - {max_prob_idx[1]}"
+    most_likely_prob = score_matrix[max_prob_idx] * 100
 
+    # Gradio grafiği için dictionary formatı
     prob_dict = {
-        f"{home_team} Galibiyeti (1)": p_home,
-        "Beraberlik (X)": p_draw,
-        f"{away_team} Galibiyeti (2)": p_away
+        f"{home_team} Galibiyeti (1)": float(p_home),
+        "Beraberlik (X)": float(p_draw),
+        f"{away_team} Galibiyeti (2)": float(p_away)
     }
 
     prompt = f"""
@@ -70,13 +96,15 @@ def predict_and_analyze(home_team, away_team, home_rank, away_rank, home_form, a
     - {home_team}: Lig Sıralaması: {home_rank}, Son 5 Maç Form Puanı (Max 15): {home_form}, Eksik/Sakat Oyuncu: {home_injuries}
     - {away_team}: Lig Sıralaması: {away_rank}, Son 5 Maç Form Puanı (Max 15): {away_form}, Eksik/Sakat Oyuncu: {away_injuries}
     
-    XGBoost Makine Öğrenmesi Modeli Sonuçları:
+    Poisson Dağılım Modeli Sonuçları:
+    - Beklenen Gol Sayıları (λ): {home_team} {lam_home:.2f} - {away_team} {lam_away:.2f}
     - {home_team} Kazanma Olasılığı: %{p_home*100:.1f}
     - Beraberlik Olasılığı: %{p_draw*100:.1f}
     - {away_team} Kazanma Olasılığı: %{p_away*100:.1f}
+    - En Olası Skor: {most_likely_score} (Olasılık: %{most_likely_prob:.1f})
     
     Yukarıdaki matematiksel olasılıkları ve takım durumlarını analiz ederek Türkçe bir rapor hazırla. Raporda şu başlıklar mutlaka bulunsun:
-    1. 🎯 Model Yorumu (XGBoost olasılıklarının mantığı)
+    1. 🎯 Model Yorumu (Poisson dağılımı ve beklenen gol sayılarının mantığı)
     2. ⚽ Olası Skor ve Gol Tahmini (Alt/Üst değerlendirmesi)
     3. 💡 Değerli Bahis Önerisi (+EV Değerlendirmesi)
     
@@ -85,7 +113,6 @@ def predict_and_analyze(home_team, away_team, home_rank, away_rank, home_form, a
 
     if client:
         try:
-            # Model güncellendi ve max_tokens eklendi
             response = client.chat.completions.create(
                 model="openai/gpt-oss-120b", 
                 messages=[
@@ -98,7 +125,7 @@ def predict_and_analyze(home_team, away_team, home_rank, away_rank, home_form, a
         except Exception as e:
             analysis_result = f"Groq API Analiz Hatası: {str(e)}\n\n(Lütfen GROQ_API_KEY değişkeninizi Hugging Face Secrets alanına doğru eklediğinizden emin olun.)"
     else:
-        analysis_result = "Groq API Anahtarı bulunamadı! Lütfen Hugging Face Space alanına 'GROQ_API_KEY' adıyla bir Secret ekleyin. (Yine de yukarıdaki XGBoost grafik tahminini görebilirsiniz.)"
+        analysis_result = "Groq API Anahtarı bulunamadı! Lütfen Hugging Face Space alanına 'GROQ_API_KEY' adıyla bir Secret ekleyin. (Yine de yukarıdaki Poisson grafik tahminini görebilirsiniz.)"
 
     return analysis_result, prob_dict
 
@@ -108,8 +135,8 @@ def predict_and_analyze(home_team, away_team, home_rank, away_rank, home_form, a
 with gr.Blocks(theme=gr.themes.Soft(primary_hue="blue", secondary_hue="slate")) as demo:
     gr.Markdown(
         """
-        # ⚽ XGBoost & Groq Hibrit Maç Tahmin Radarı
-        Bu uygulama, girdiğiniz takım verilerini **XGBoost** sınıflandırıcısı ile tarayıp olasılıkları hesaplar ve **Groq (GPT-OSS)** yapay zekası ile matematiksel olarak yorumlar.
+        # ⚽ Poisson Dağılımı & Groq Hibrit Maç Tahmin Radarı
+        Bu uygulama, girdiğiniz takım verilerini **Poisson Dağılımı** ile analiz ederek beklenen gol sayılarını ve kazanma olasılıklarını hesaplar, ardından **Groq (GPT-OSS)** yapay zekası ile matematiksel olarak yorumlar.
         """
     )
     
@@ -133,7 +160,7 @@ with gr.Blocks(theme=gr.themes.Soft(primary_hue="blue", secondary_hue="slate"))
             submit_btn = gr.Button("Analiz Et ve Tahmin Üret", variant="primary")
 
         with gr.Column():
-            gr.Markdown("### 📈 Matematiksel Kazanma Olasılıkları (XGBoost)")
+            gr.Markdown("### 📈 Matematiksel Kazanma Olasılıkları (Poisson)")
             prob_output = gr.Label(label="Olasılık Dağılımı")
             
             gr.Markdown("### 🧠 Groq Yapay Zeka Analiz Raporu")