def _log(substatistic, which):
if which is None:
get_logger().debug('%s', substatistic.to_string(index=False))
else:
log_columns = ['date', 'home', 'away'] + wrap(which)
get_logger().debug(
'%s', substatistic[log_columns].to_string(index=False))
def _fit(self, **kwargs):
get_logger('prediction').info('Условие для получения заголовков: %s',
str(self.sample_condition))
self.match_headers = get_match_headers(self.sample_condition)
get_logger('prediction').info('Получены заголовки матчей: %u штук',
self.match_headers.shape[0])
# TODO: Решить, что с этим делать
self.statistic = self.match_headers.copy()
def _fit(self, match_header, **kwargs):
statistic = self.previous_fitter.statistic.copy()
if statistic.shape[0] == 0:
self.statistic = statistic
return
self.match_date = match_header['date']
self.last_datetime = eve_datetime(self.match_date)
transformed_statistic = statistic[
statistic['date'] <= self.last_datetime]
self.statistic = transformed_statistic.copy()
get_logger('prediction').info(
'Отобраны заголовки матчей, доступные на %s: %u штук',
self.last_datetime.strftime('%Y-%m-%d %H:%M:%S'),
self.statistic.shape[0])
def _fit(self, match_header, **kwargs):
statistic = self.previous_fitter.statistic.copy()
if statistic.shape[0] == 0:
self.statistic = statistic
return
self.tournament_id = match_header['tournamentId']
transformed_statistic = statistic[statistic['tournament_id'] ==
self.tournament_id]
self.statistic = transformed_statistic.copy()
get_logger('prediction').info(
'Отобраны заголовки матчей, произошедших в рамках турнира %s (%u): %u штук',
get_value(tournaments_data, 'whoscoredTournamentId',
self.tournament_id, 'whoscoredTournamentName'),
self.tournament_id, self.statistic.shape[0])
def _fit(self, match_header, **kwargs):
statistic = self.previous_fitter.statistic.copy()
if statistic.shape[0] == 0:
self.statistic = statistic
return
self.match_date = match_header['date']
self.first_datetime = eve_datetime(self.match_date - self.delta)
self.last_datetime = eve_datetime(self.match_date)
transformed_statistic = statistic[
(statistic['date'] >= self.first_datetime)
& (statistic['date'] <= self.last_datetime)]
self.statistic = transformed_statistic.copy()
get_logger('prediction').info(
'Отобраны заголовки матчей, произошедших не более чем за %s до матча (с %s по %s): %u штук',
str(self.delta), self.first_datetime.strftime('%Y-%m-%d'),
self.last_datetime.strftime('%Y-%m-%d'), self.statistic.shape[0])
def _get_match_value(match_uuid, crosses_first_period_statistic,
shots_first_period_statistic):
crosses_first_period_home_count = crosses_first_period_statistic.at[
match_uuid, 'events_home_count']
crosses_first_period_away_count = crosses_first_period_statistic.at[
match_uuid, 'events_away_count']
get_logger('betting').debug('Количество кроссов в 1-м тайме: %u : %u',
crosses_first_period_home_count,
crosses_first_period_away_count)
shots_first_period_home_count = shots_first_period_statistic.at[
match_uuid, 'events_home_count']
shots_first_period_away_count = shots_first_period_statistic.at[
match_uuid, 'events_away_count']
get_logger('betting').debug('Количество ударов в 1-м тайме: %u : %u',
shots_first_period_home_count,
shots_first_period_away_count)
match_value = ((crosses_first_period_home_count -
crosses_first_period_away_count) +
(shots_first_period_home_count -
shots_first_period_away_count)) / 2
get_logger('betting').debug('"Значение" предыдущего матча: %f',
match_value)
return match_value
def _fit(self, match_header, **kwargs):
statistic = self.previous_fitter.statistic.copy()
if statistic.shape[0] == 0:
self.statistic = statistic
return
self.home = match_header['home']
self.away = match_header['away']
last_home_uuids = statistic[(statistic['home'] == self.home) | (
statistic['away'] == self.home)].index.values[:self.n]
last_away_uuids = statistic[(statistic['away'] == self.away) | (
statistic['home'] == self.away)].index.values[:self.n]
last_uuids = np.unique(
np.concatenate([last_home_uuids, last_away_uuids]))
transformed_statistic = statistic.loc[last_uuids]
self.statistic = transformed_statistic.copy()
get_logger('prediction').info(
'Отобраны последние %u заголовков матчей, где команда %s также была хозяйкой, и последние %u заголовков матчей, где команда %s также была гостей: %u штук',
self.n, match_header['home'], self.n, match_header['away'],
self.statistic.shape[0])
def _predict(self, fitteds, match_header, **kwargs):
[corners_diffs_diff_fitted] = fitteds
get_logger('prediction').info('Предсказываем разницу угловых...')
corners_diffs_diff_prediction = self._corners_diffs_diff_predictor._predict(
[corners_diffs_diff_fitted], match_header, **kwargs)
if corners_diffs_diff_prediction is None:
get_logger('prediction').info('Алгоритм не выдал предсказание')
return None
get_logger('prediction').info('Предсказание разницы угловых: %.1f',
corners_diffs_diff_prediction)
return corners_diffs_diff_prediction
def _predict(self, fitteds, match_header, **kwargs):
[corners_results_fitted] = fitteds
get_logger('prediction').info('Предсказываем угловые...')
corners_result_prediction = self._corners_results_result_predictor._predict(
[corners_results_fitted], match_header, **kwargs)
if corners_result_prediction is None:
get_logger('prediction').info('Алгоритм не выдал предсказание')
return None
get_logger('prediction').info('Предсказание угловых: %.1f:%.1f',
corners_result_prediction[0],
corners_result_prediction[1])
return corners_result_prediction
def _predict(self, fitteds, match_header, **kwargs):
[statistic_fitted] = fitteds
statistic = statistic_fitted.statistic
get_logger('prediction').info('В собранной статистике %u матчей',
statistic.shape[0])
if statistic.shape[0] == 0:
get_logger('prediction').info(
'В собранной статистике нет матчей, не могу сделать предсказание'
)
return None
additional_info = get_additional_info(match_header['uuid'])
if additional_info is None:
return None
if 'homePlayers' not in additional_info or 'awayPlayers' not in additional_info:
get_logger('prediction').info(
'В матче не известен состав игроков, не могу сделать предсказание'
)
return None
home_player_names = [
player['playerName'] for player in additional_info['homePlayers']
if player['isFirstEleven']
]
get_logger('prediction').info('Игроки хозяев: %s',
str(home_player_names))
away_player_names = [
player['playerName'] for player in additional_info['awayPlayers']
if player['isFirstEleven']
]
get_logger('prediction').info('Игроки гостей: %s',
str(away_player_names))
if len(home_player_names) != 11 or len(away_player_names) != 11:
print('Bad players count in match %s' %
(get_match_title(match_header, show_uuid=True), ))
get_logger('prediction').info(
'В матче неверное количество игроков (известны не все игроки?), не могу сделать предсказание'
)
return None
events_home_counts = []
get_logger('prediction').info('Рассчитаем среднее по игрокам хозяев')
for player_name in frozenset(
statistic.columns.values) & frozenset(home_player_names):
if self.n is not None:
get_logger('prediction').info(
'Выберем %u последних матчей из статистики игрока %s',
self.n, player_name)
else:
get_logger('prediction').info(
'Выберем всю статистику игрока %s', player_name)
events_player_counts = get_substatistic(statistic,
n=self.n,
min_n=self.min_n,
sort_by='date',
ascending=False,
which=player_name,
notnull=player_name)
if events_player_counts is None:
get_logger('prediction').info(
'Матчей оказалось меньше порога в %u матча', self.min_n)
continue
weights_full = get_weights_array(events_player_counts.shape[0],
self.weights)
get_logger('prediction').info('Веса: %s', str(weights_full))
events_player_counts_mean = np.sum(events_player_counts *
weights_full)
get_logger('prediction').info('Взвешанное среднее: %s',
str(events_player_counts_mean))
events_home_counts.append(events_player_counts_mean)
get_logger('prediction').info(
'Получили следующие средние для игроков хозяев (%u значений): %s',
len(events_home_counts), events_home_counts)
if len(events_home_counts) < self.min_real_players:
get_logger('prediction').info(
'Значений оказалось меньше порога в %u матча',
self.min_real_players)
return None
events_home_counts_mean = np.sum(events_home_counts)
get_logger('prediction').info('Среднее для хозяев: %f',
events_home_counts_mean)
events_away_counts = []
get_logger('prediction').info('Рассчитаем среднее по игрокам гостей')
for player_name in frozenset(
statistic.columns.values) & frozenset(away_player_names):
if self.n is not None:
get_logger('prediction').info(
'Выберем %u последних матчей из статистики игрока %s',
self.n, player_name)
else:
get_logger('prediction').info(
'Выберем всю статистику игрока %s', player_name)
events_player_counts = get_substatistic(statistic,
n=self.n,
min_n=self.min_n,
sort_by='date',
ascending=False,
which=player_name,
notnull=player_name)
if events_player_counts is None:
get_logger('prediction').info(
'Матчей оказалось меньше порога в %u матча', self.min_n)
continue
weights_full = get_weights_array(events_player_counts.shape[0],
self.weights)
get_logger('prediction').info('Веса: %s', str(weights_full))
events_player_counts_mean = np.sum(events_player_counts *
weights_full)
get_logger('prediction').info('Взвешанное среднее: %s',
str(events_player_counts_mean))
events_away_counts.append(events_player_counts_mean)
get_logger('prediction').info(
'Получили следующие средние для игроков гостей (%u значений): %s',
len(events_away_counts), events_away_counts)
if len(events_away_counts) < self.min_real_players:
get_logger('prediction').info(
'Значений оказалось меньше порога в %u матча',
self.min_real_players)
return None
events_away_counts_mean = np.sum(events_away_counts)
get_logger('prediction').info('Среднее для гостей: %f',
events_away_counts_mean)
result_prediction = (events_home_counts_mean, events_away_counts_mean)
get_logger('prediction').info('Итого, предсказание: %.1f:%.1f',
result_prediction[0],
result_prediction[1])
return result_prediction
def _fit(self, **kwargs):
super()._fit(**kwargs)
get_logger('prediction').info(
'Добавлена информация (по каждой команде) о количестве событий "красная карточка" (матч)'
)
def _fit(self, **kwargs):
super()._fit(**kwargs)
get_logger('prediction').info(
'Добавлена информация (по каждой команде) о количестве событий "кросс" (2-й тайм)'
)
def _predict(self, fitteds, match_header, **kwargs):
[
crosses_first_period_statistic_fitted,
shots_first_period_statistic_fitted
] = fitteds
crosses_first_period_statistic = crosses_first_period_statistic_fitted.statistic
shots_first_period_statistic = shots_first_period_statistic_fitted.statistic
crosses_first_period_match_uuids = set(
crosses_first_period_statistic['uuid'].values)
shots_first_period_match_uuids = set(
shots_first_period_statistic['uuid'].values)
if crosses_first_period_match_uuids != shots_first_period_match_uuids:
get_logger('betting').info(
'В собранных статистиках (кроссы, 1-й тайм; удары, 1-й тайм) - различные матчи!'
)
raise RuntimeError('different matches in statistics!')
statistic_match_headers = crosses_first_period_statistic[[
'date', 'home', 'away'
]].copy()
get_logger('betting').info('В собранной статистике - %u матчей',
statistic_match_headers.shape[0])
if statistic_match_headers.shape[0] == 0:
get_logger('betting').info(
'В собранной статистике нет матчей, не могу сделать предсказание'
)
return None
if not self._match_same_location_only:
get_logger('betting').info(
'Выберем последний матч из статистики, где играла команда %s',
match_header['home'])
home_matches = statistic_match_headers[
(statistic_match_headers['home'] == match_header['home']) |
(statistic_match_headers['away'] == match_header['home'])]
else:
get_logger('betting').info(
'Выберем последний матч из статистики, где играла команда %s, причем так же дома',
match_header['home'])
home_matches = statistic_match_headers[
statistic_match_headers['home'] == match_header['home']]
if home_matches.shape[0] == 0:
get_logger('betting').info(
'Такого матча нет, не могу сделать предсказание')
return None
last_home_match_uuid = home_matches['date'].argmax()
last_home_match = home_matches.loc[last_home_match_uuid]
get_logger('betting').info('Предыдущий матч хозяев: %s',
get_match_title(last_home_match))
was_last_home_match_home = match_header['home'] == last_home_match[
'home']
if was_last_home_match_home:
get_logger('betting').info(
'Хозяева так же играли дома в последнем матче')
last_home_match_competitor = last_home_match['away']
else:
get_logger('betting').info(
'Хозяева играли в гостях в последнем матче')
last_home_match_competitor = last_home_match['home']
last_home_match_value = self._get_match_value(
last_home_match_uuid, crosses_first_period_statistic,
shots_first_period_statistic)
get_logger('betting').info('"Значение" предыдущего матча хозяев: %f',
last_home_match_value)
home_number = last_home_match_value if was_last_home_match_home else -last_home_match_value
get_logger('betting').info('"Число для хозяев": %f', home_number)
corrected_home_number = home_number
if not was_last_home_match_home:
get_logger('betting').info(
'Последний матч хозяева играли в гостях, поэтому прибавляем 3')
corrected_home_number += 3
get_logger('betting').info(
'Ограничиваем "число для хозяев" отрезком [-7, 7]')
corrected_home_number = np.clip(corrected_home_number, -7, 7)
if last_home_match_competitor in self._favorites:
return None
# Версия отказа при "проигрыше" сопернику-фавориту:
"""
if home_number < -1:
get_logger('betting').info('Соперники хозяев в их предыдущем матче - фавориты, и они "проиграли", исходя из значения матча; отказываюсь от предсказания')
return None
else:
get_logger('betting').info('Соперники хозяев в их предыдущем матче - фавориты, но они "выиграли", исходя из значения матча; будем делать предсказание, но поставим только на хозяев')
propose_away_bets = False
"""
get_logger('betting').info('"Число для хозяев", скорректированное: %f',
corrected_home_number)
if not self._match_same_location_only:
get_logger('betting').info(
'Выберем последний матч из статистики, где играла команда %s',
match_header['away'])
away_matches = statistic_match_headers[
(statistic_match_headers['home'] == match_header['away']) |
(statistic_match_headers['away'] == match_header['away'])]
else:
get_logger('betting').info(
'Выберем последний матч из статистики, где играла команда %s, причем так же в гостях',
match_header['away'])
away_matches = statistic_match_headers[
statistic_match_headers['away'] == match_header['away']]
if away_matches.shape[0] == 0:
get_logger('betting').info(
'Такого матча нет, не могу сделать предсказание')
return None
last_away_match_uuid = away_matches['date'].argmax()
last_away_match = away_matches.loc[last_away_match_uuid]
get_logger('betting').info('Предыдущий матч гостей: %s',
get_match_title(last_away_match))
was_last_away_match_away = match_header['away'] == last_away_match[
'away']
if was_last_away_match_away:
get_logger('betting').info(
'Гости так же играли в гостях в последнем матче')
last_away_match_competitor = last_away_match['home']
else:
get_logger('betting').info('Гости играли дома в последнем матче')
last_away_match_competitor = last_away_match['away']
last_away_match_value = self._get_match_value(
last_away_match_uuid, crosses_first_period_statistic,
shots_first_period_statistic)
get_logger('betting').info('"Значение" предыдущего матча гостей: %f',
last_away_match_value)
away_number = -last_away_match_value if was_last_away_match_away else last_away_match_value
get_logger('betting').info('"Число для гостей": %f', away_number)
corrected_away_number = away_number
if not was_last_away_match_away:
get_logger('betting').info(
'Последний матч гостей играли дома, поэтому отнимаем 3')
corrected_away_number -= 3
get_logger('betting').info(
'Ограничиваем "число для гостей" отрезком [-7, 7]')
corrected_away_number = np.clip(corrected_away_number, -7, 7)
if last_away_match_competitor in self._favorites:
return None
# Версия отказа при "проигрыше" сопернику-фавориту:
"""
if away_number > 1:
get_logger('betting').info('Соперники гостей в их предыдущем матче - фавориты, и они "проиграли", исходя из значения матча; отказываюсь от предсказания')
return None
else:
get_logger('betting').info('Соперники гостей в их предыдущем матче - фавориты, но они "выиграли", исходя из значения матча; будем делать предсказание, но поставим только на гостей')
propose_home_bets = False
"""
get_logger('betting').info('"Число для хозяев", скорректированное: %f',
corrected_away_number)
return (corrected_home_number, corrected_away_number)
def _predict(self, fitteds, match_header, **kwargs):
[statistic_fitted] = fitteds
statistic = statistic_fitted.statistic
get_logger('prediction').info('В собранной статистике %u матчей',
statistic.shape[0])
if statistic.shape[0] == 0:
get_logger('prediction').info(
'В собранной статистике нет матчей, не могу сделать предсказание'
)
return None
get_logger('prediction').info(
'Выберем %u последних матчей из статистики, где команда %s тоже была хозяйкой',
self.n, match_header['home'])
# Статистика матчей, где match_header['home'] тоже была хозяйкой
events_home_counts = get_substatistic(statistic,
notnull='events_home_count',
by='home',
value=match_header['home'],
n=self.n,
min_n=self.min_n,
sort_by='date',
ascending=False,
which='events_home_count')
if events_home_counts is None:
get_logger('prediction').info(
'Матчей оказалось меньше порога в %u матча', self.min_n)
return None
get_logger('prediction').info('Количество событий: %s',
str(events_home_counts))
home_weights_full = get_weights_array(events_home_counts.size,
self.home_weights)
get_logger('prediction').info('Веса: %s', str(home_weights_full))
events_home_counts_mean = np.sum(events_home_counts *
home_weights_full)
get_logger('prediction').info('Взвешанное среднее: %f',
events_home_counts_mean)
get_logger('prediction').info(
'Выберем %u последних матчей из статистики, где команда %s тоже была гостьей',
self.n, match_header['away'])
# Статистика матчей, где match_header['away'] тоже была гостьей
events_away_counts = get_substatistic(statistic,
notnull='events_away_count',
by='away',
value=match_header['away'],
n=self.n,
min_n=self.min_n,
sort_by='date',
ascending=False,
which='events_away_count')
if events_away_counts is None:
get_logger('prediction').info(
'Матчей оказалось меньше порога в %u матча', self.min_n)
return None
get_logger('prediction').info('Количество событий: %s',
str(events_away_counts))
away_weights_full = get_weights_array(events_away_counts.size,
self.away_weights)
get_logger('prediction').info('Веса: %s', str(away_weights_full))
events_away_counts_mean = np.sum(events_away_counts *
away_weights_full)
get_logger('prediction').info('Взвешанное среднее: %f',
events_away_counts_mean)
result_prediction = (events_home_counts_mean, events_away_counts_mean)
get_logger('prediction').info('Итого, предсказание: %.1f:%.1f',
result_prediction[0],
result_prediction[1])
return result_prediction
def _fit(self, **kwargs):
super()._fit(**kwargs)
get_logger('prediction').info(
'Добавлена информация (по каждому игроку) о количестве событий "угловой" (2-й тайм)'
)
def handle(self,
match_uuid,
fit_kwargs=None,
predict_kwargs=None,
handle_kwargs=None,
**kwargs):
if fit_kwargs is None:
fit_kwargs = {}
if predict_kwargs is None:
predict_kwargs = {}
if handle_kwargs is None:
handle_kwargs = {}
match_header = get_match_header(match_uuid)
if match_header is None:
return
log_capture_string = io.StringIO()
ch = logging.StreamHandler(log_capture_string)
ch.setLevel(logging.DEBUG)
get_logger().addHandler(ch)
# get_logger('prediction').debug('Провайдер: %s', str(self))
get_logger('prediction').info('Описание провайдера: %s',
self.description)
get_logger('prediction').info(
'Предсказание для матча %s',
get_match_title(match_header, show_uuid=True))
fitters_for_predictor = []
for fitters_set in self.fitters_sets:
if len(fitters_set) == 0:
continue
fitters_set[0].fit(match_header=match_header, **fit_kwargs)
for j in range(1, len(fitters_set)):
fitters_set[j].fit(match_header=match_header, **fit_kwargs)
fitters_for_predictor.append(fitters_set[-1])
prediction = self.predictor.predict(fitters_for_predictor,
match_header, **predict_kwargs)
get_logger().removeHandler(ch)
log_contents = log_capture_string.getvalue()
log_capture_string.close()
prediction_info_uuid = get_identifier()
prediction_info = {
'uuid': prediction_info_uuid,
'match_uuid': match_uuid,
'provider_class_name': self.__class__.__name__,
'provider_description': self.description,
'provider_uuid': self.uuid,
'prediction': prediction,
'log': log_contents
}
prediction_infos_collection = db['prediction_infos']
prediction_infos_collection.insert_one(prediction_info)
for proposer in self.proposers:
proposer.handle(match_header,
prediction_info=prediction_info,
**handle_kwargs)
self.attempt_matches.add(match_header['uuid'])
def _predict(self, fitteds, match_header, **kwargs):
[statistic_fitted, tournament_event_counts_means_fitted] = fitteds
statistic = statistic_fitted.statistic
get_logger('prediction').info('В собранной статистике %u матчей',
statistic.shape[0])
if statistic.shape[0] == 0:
get_logger('prediction').info(
'В собранной статистике нет матчей, не могу сделать предсказание'
)
return None
tournament_id = match_header['tournamentId']
# Среднее количество голов, забиваемых хозяевами матчей в турнире
tournament_events_home_counts_mean = tournament_event_counts_means_fitted.tournament_event_home_counts_means[
tournament_id]
# Среднее количество голов, забиваемых гостями матчей в турнире
tournament_events_away_counts_mean = tournament_event_counts_means_fitted.tournament_event_away_counts_means[
tournament_id]
if tournament_events_home_counts_mean == 0 or tournament_events_away_counts_mean == 0:
return None
get_logger('prediction').info(
'Выберем %u последних матчей из статистики, где команда %s тоже была хозяйкой',
self.n, match_header['home'])
# Статистика матчей, где match_header['home'] тоже была хозяйкой
home_events_counts = get_substatistic(statistic,
notnull='events_home_count',
by='home',
value=match_header['home'],
n=self.n,
min_n=self.min_n,
sort_by='date',
ascending=False,
which='events_home_count')
if home_events_counts is None:
get_logger('prediction').info(
'Матчей оказалось меньше порога в %u матча', self.min_n)
return None
get_logger('prediction').info('Количество событий: %s',
str(home_events_counts))
home_weights_full = get_weights_array(home_events_counts.size,
self.home_weights)
get_logger('prediction').info('Веса: %s', str(home_weights_full))
get_logger('prediction').info(
'Выберем %u последних матчей из статистики, где команда %s тоже была гостьей',
self.n, match_header['away'])
# Статистика матчей, где match_header['away'] тоже была гостьей
away_events_counts = get_substatistic(statistic,
notnull='events_away_count',
by='away',
value=match_header['away'],
n=self.n,
min_n=self.min_n,
sort_by='date',
ascending=False,
which='events_away_count')
if away_events_counts is None:
get_logger('prediction').info(
'Матчей оказалось меньше порога в %u матча', self.min_n)
return None
get_logger('prediction').info('Количество событий: %s',
str(away_events_counts))
away_weights_full = get_weights_array(away_events_counts.size,
self.away_weights)
get_logger('prediction').info('Веса: %s', str(away_weights_full))
# Во сколько раз превышает среднее по турниру число голов, забитых match_header['home'] в домашних матчах?
home_attack = np.sum(
home_events_counts *
home_weights_full) / tournament_events_home_counts_mean
# Во сколько раз превышает среднее по турниру число голов, пропущенных match_header['away'] в гостевых матчах?
away_defense = np.sum(
home_events_counts *
home_weights_full) / tournament_events_home_counts_mean
# Во сколько раз превышает среднее по турниру число голов, пропущенных match_header['home'] в домашних матчах?
home_defense = np.sum(
away_events_counts *
away_weights_full) / tournament_events_away_counts_mean
# Во сколько раз превышает среднее по турниру число голов, забитых match_header['away'] в гостевых матчах?
away_attack = np.sum(
away_events_counts *
away_weights_full) / tournament_events_away_counts_mean
home_events_count_prediction = home_attack * away_defense * tournament_events_home_counts_mean
away_events_count_prediction = away_attack * home_defense * tournament_events_away_counts_mean
result_prediction = (home_events_count_prediction,
away_events_count_prediction)
get_logger('prediction').info('Итого, предсказание: %.1f:%.1f',
result_prediction[0],
result_prediction[1])
return result_prediction
def _fit(self, **kwargs):
super()._fit(**kwargs)
get_logger('prediction').info(
'Добавлена информация (по каждому игроку) о количестве событий "кросс" (матч)'
)
def _fit(self, **kwargs):
super()._fit(**kwargs)
get_logger('prediction').info('Добавлена информация (по каждой команде) о количестве событий "угловой" (матч, только периоды, пока хозяева побеждают)')
def _fit(self, **kwargs):
super()._fit(**kwargs)
get_logger('prediction').info('Добавлена информация (по каждой команде) о количестве событий "угловой" (1-й тайм, пока гости побеждают)')
def _fit(self, **kwargs):
super()._fit(**kwargs)
get_logger('prediction').info(
'Добавлена информация о продолжительности игровых ситуаций по голам (матч)'
)
