Independent model comparison
Research Lab
Surface Dynamic Elo, Exact O’Malley, Monte Carlo, Serve/Return ML и контекст турнира: высота, indoor/outdoor, court pace, усталость и переход покрытия.
Управляемый исследовательский контур
До ручного продвижения исследовательские модели не влияют на официальные очки. Влияние возможно только после управляемого пути Research → Shadow → Champion.
80предстоящих событий
8модели с консенсусом
325347сохранённых исследований
completed
последний запуск · 31.10.2026 23:39 MSK
Serve/Return ML · walk-forward
ML оценивает вероятность выигрыша очка на подаче
Каждый алгоритм независимо прогнозирует p_A_serve и p_B_serve, после чего параметры передаются в Exact Markov. Взвешенный ансамбль дополнительно проходит Monte Carlo.
Context and Consensus 5.4.2
Контекст турнира и автоматическое сравнение
Экологические поправки применяются к point-level параметрам с полным аудитом: значение до/после, источник, confidence и оценочные поля. Взвешенный консенсус использует live-метрики и балансирует семейства моделей.
Победитель
#1 moneyline_real_market_full_logit · 2173 · вес 0,0%
#2 Взвешенный консенсус · 4897 · вес 0,0%
#3 Serve/Return Ensemble → Monte Carlo · 4698 · вес 0,0%
Тотал
#1 total_real_line_logit · 1618 · вес 0,0%
#2 causal_5812_v2_safe · 18 · вес 0,0%
#3 causal_5812_v2 · 43 · вес 0,0%
Фора
#1 spread_real_line_full_rf · 1645 · вес 0,0%
#2 spread_real_line_fatigue_rf · 1646 · вес 0,0%
#3 spread_real_line_full_logistic · 1646 · вес 0,0%
Показать рынок
Коэффициент выбранной стороны
Выбор сохраняется в браузере и URL.
В выбранном диапазоне коэффициентов Research-прогнозов нет.
Katie Swan — Hikaru Sato
World Tennis W35. Sydney. Australia · Hard · начало 01.11.2026 02:05 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
Консенсус Research
Katie Swan · 76,4%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Katie Swan84,7% · odds 1,15 | Меньше 18,557,2% · ожид. 19,83 | Hikaru Sato +5,556,7% · ожид. +5.7946 | 50% |
| Взвешенный консенсус weighted-consensus-v1-3ca5b10dfb345fabc5722223 | Katie Swan76,4% · odds 1,15 | Больше 18,566,1% · ожид. 22,14 · odds 1,75 | Hikaru Sato +5,556,2% · ожид. +4.3125 · odds 1,94 | 78%высокая |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Katie Swan63,9% · odds 1,15 | не рассчитывает | не рассчитывает | 100%высокая |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Katie Swan83,8% · odds 1,15 | Больше 18,569,9% · ожид. 22,67 · odds 1,75 | Hikaru Sato +5,560,7% · ожид. +3.91593 · odds 1,94 | 90%высокая |
| Monte Carlo monte-carlo-v2-context-20000 | Katie Swan83,6% · odds 1,15 | Больше 18,569,1% · ожид. 22,56 · odds 1,75 | Hikaru Sato +5,560,3% · ожид. +3.90675 · odds 1,94 | 90%высокая |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Katie Swan93,4% · odds 1,15 | Больше 18,555,8% · ожид. 20,76 · odds 1,75 | Katie Swan -5,556,5% · ожид. +5.47639 · odds 1,77 | 38%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Katie Swan89,9% · odds 1,15 | Больше 18,561,9% · ожид. 21,57 · odds 1,75 | Hikaru Sato +5,550,4% · ожид. +4.87207 · odds 1,94 | 39%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Katie Swan92,6% · odds 1,15 | Больше 18,557,6% · ожид. 20,99 · odds 1,75 | Katie Swan -5,554,5% · ожид. +5.31745 · odds 1,77 | 38%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Katie Swan91,7% · odds 1,15 | Больше 18,559,1% · ожид. 21,12 · odds 1,75 | Katie Swan -5,552,9% · ожид. +5.19035 · odds 1,77 | 38%ограниченная |
Параметры point-level
- Katie Swan на подаче
- 60,45%
- Hikaru Sato на подаче
- 52,99%
- Среднее покрытия
- 54,84%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
2:055,4%2:128,3%1:29,7%0:26,5%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 15–33
- 90% диапазон разницы П1
- -5…9
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.000
- Высота
- +0.000
- Indoor
- +0.000
- P1 serve до → после
- 60,90% → 60,45%
- P2 serve до → после
- 52,99% → 52,99%
Усталость и переход покрытия
- Katie Swan
- 0 матч. / 0 геймов за 7 дней · отдых 153,0 дн. · переход да
- Hikaru Sato
- 0 матч. / 0 геймов за 7 дней · отдых 160,0 дн. · переход нет
Serve/Return CatBoost → Markov
- Katie Swan: P(очко на подаче)
- 61,96%
- Hikaru Sato: P(очко на подаче)
- 50,54%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Katie Swan: P(очко на подаче)
- 60,60%
- Hikaru Sato: P(очко на подаче)
- 50,96%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Katie Swan: P(очко на подаче)
- 61,83%
- Hikaru Sato: P(очко на подаче)
- 50,86%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Katie Swan: P(очко на подаче)
- 61,46%
- Hikaru Sato: P(очко на подаче)
- 50,79%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Tatjana Maria — Fiona Ferro
WTA 125. Queretaro. Mexico · Clay · начало 01.11.2026 03:05 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 25,0
confidence 30%
Консенсус Research
Fiona Ferro · 58,7%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Fiona Ferro54,7% · odds 1,98 | Меньше 20,550,3% · ожид. 22,18 | Fiona Ferro +1,556,7% · ожид. -0.104721 | 50% |
| Взвешенный консенсус weighted-consensus-v1-e244479655d1cdcb4a875e54 | Fiona Ferro58,7% · odds 1,98 | Больше 20,563,7% · ожид. 23,85 · odds 1,79 | Fiona Ferro +1,562,5% · ожид. -0.748108 · odds 1,79 | 78%высокая |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Fiona Ferro60,9% · odds 1,98 | не рассчитывает | не рассчитывает | 100%высокая |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Fiona Ferro68,7% · odds 1,98 | Больше 20,564,1% · ожид. 23,91 · odds 1,79 | Fiona Ferro +1,574,4% · ожид. -2.08654 · odds 1,79 | 90%высокая |
| Monte Carlo monte-carlo-v2-context-20000 | Fiona Ferro68,7% · odds 1,98 | Больше 20,564,0% · ожид. 23,88 · odds 1,79 | Fiona Ferro +1,574,1% · ожид. -2.06505 · odds 1,79 | 90%высокая |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Tatjana Maria69,3% · odds 1,74 | Больше 20,563,2% · ожид. 23,76 · odds 1,79 | Tatjana Maria -1,563,5% · ожид. +2.19076 · odds 1,90 | 39%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Tatjana Maria67,4% · odds 1,74 | Больше 20,563,9% · ожид. 23,85 · odds 1,79 | Tatjana Maria -1,561,4% · ожид. +1.96194 · odds 1,90 | 39%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Tatjana Maria71,6% · odds 1,74 | Больше 20,562,5% · ожид. 23,68 · odds 1,79 | Tatjana Maria -1,565,9% · ожид. +2.43713 · odds 1,90 | 39%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Tatjana Maria69,2% · odds 1,74 | Больше 20,562,9% · ожид. 23,76 · odds 1,79 | Tatjana Maria -1,563,5% · ожид. +2.1898 · odds 1,90 | 39%ограниченная |
Параметры point-level
- Tatjana Maria на подаче
- 53,77%
- Fiona Ferro на подаче
- 57,44%
- Среднее покрытия
- 52,96%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
0:239,3%1:229,3%2:117,4%2:013,9%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 16–33
- 90% диапазон разницы П1
- -8…6
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.000
- Высота
- +0.000
- Indoor
- +0.000
- P1 serve до → после
- 54,22% → 53,77%
- P2 serve до → после
- 57,44% → 57,44%
Усталость и переход покрытия
- Tatjana Maria
- 0 матч. / 0 геймов за 7 дней · отдых 153,0 дн. · переход да
- Fiona Ferro
- 0 матч. / 0 геймов за 7 дней · отдых 167,0 дн. · переход нет
Serve/Return CatBoost → Markov
- Tatjana Maria: P(очко на подаче)
- 56,05%
- Fiona Ferro: P(очко на подаче)
- 52,26%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Tatjana Maria: P(очко на подаче)
- 55,57%
- Fiona Ferro: P(очко на подаче)
- 52,21%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Tatjana Maria: P(очко на подаче)
- 57,18%
- Fiona Ferro: P(очко на подаче)
- 52,89%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Tatjana Maria: P(очко на подаче)
- 56,27%
- Fiona Ferro: P(очко на подаче)
- 52,45%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Hikaru Shiraishi — Taiyo Yamanaka
World Tennis M15. Yanagava. Japan · Hard · начало 01.11.2026 04:05 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
Консенсус Research
Hikaru Shiraishi · 56,3%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Hikaru Shiraishi64,5% · odds 1,41 | Меньше 21,557,2% · ожид. 22,07 | Taiyo Yamanaka +3,566,8% · ожид. +0.968102 | 50% |
| Взвешенный консенсус weighted-consensus-v1-b2d4ab98719a95f048a344f4 | Hikaru Shiraishi56,3% · odds 1,41 | Больше 21,564,4% · ожид. 24,77 · odds 1,90 | Taiyo Yamanaka +3,565,9% · ожид. +0.591586 · odds 1,87 | 78%высокая |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Hikaru Shiraishi57,1% · odds 1,41 | не рассчитывает | не рассчитывает | 100%высокая |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Hikaru Shiraishi52,8% · odds 1,41 | Больше 21,565,0% · ожид. 24,85 · odds 1,90 | Taiyo Yamanaka +3,568,4% · ожид. +0.288325 · odds 1,87 | 90%высокая |
| Monte Carlo monte-carlo-v2-context-20000 | Hikaru Shiraishi52,6% · odds 1,41 | Больше 21,564,6% · ожид. 24,77 · odds 1,90 | Taiyo Yamanaka +3,568,7% · ожид. +0.2732 · odds 1,87 | 90%высокая |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Hikaru Shiraishi61,8% · odds 1,41 | Больше 21,563,9% · ожид. 24,71 · odds 1,90 | Taiyo Yamanaka +3,560,7% · ожид. +1.22741 · odds 1,87 | 39%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Hikaru Shiraishi64,6% · odds 1,41 | Больше 21,563,2% · ожид. 24,63 · odds 1,90 | Taiyo Yamanaka +3,558,0% · ожид. +1.52583 · odds 1,87 | 39%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Hikaru Shiraishi60,6% · odds 1,41 | Больше 21,564,2% · ожид. 24,75 · odds 1,90 | Taiyo Yamanaka +3,561,7% · ожид. +1.10783 · odds 1,87 | 39%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Hikaru Shiraishi61,8% · odds 1,41 | Больше 21,563,0% · ожид. 24,60 · odds 1,90 | Taiyo Yamanaka +3,559,5% · ожид. +1.26215 · odds 1,87 | 39%ограниченная |
Параметры point-level
- Hikaru Shiraishi на подаче
- 59,79%
- Taiyo Yamanaka на подаче
- 59,25%
- Среднее покрытия
- 61,54%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
2:026,9%2:125,9%1:224,0%0:223,2%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 17–34
- 90% диапазон разницы П1
- -7…7
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.000
- Высота
- +0.000
- Indoor
- +0.000
- P1 serve до → после
- 60,24% → 59,79%
- P2 serve до → после
- 59,25% → 59,25%
Усталость и переход покрытия
- Hikaru Shiraishi
- 0 матч. / 0 геймов за 7 дней · отдых 160,0 дн. · переход да
- Taiyo Yamanaka
- 0 матч. / 0 геймов за 7 дней · отдых 167,0 дн. · переход нет
Serve/Return CatBoost → Markov
- Hikaru Shiraishi: P(очко на подаче)
- 60,99%
- Taiyo Yamanaka: P(очко на подаче)
- 58,68%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Hikaru Shiraishi: P(очко на подаче)
- 61,42%
- Taiyo Yamanaka: P(очко на подаче)
- 58,53%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Hikaru Shiraishi: P(очко на подаче)
- 60,88%
- Taiyo Yamanaka: P(очко на подаче)
- 58,80%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Hikaru Shiraishi: P(очко на подаче)
- 61,10%
- Taiyo Yamanaka: P(очко на подаче)
- 58,67%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Bianca Andreescu — Carole Monnet
WTA 125. Queretaro. Mexico · Clay · начало 01.11.2026 04:30 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 25,0
confidence 30%
Консенсус Research
Bianca Andreescu · 53,2%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Bianca Andreescu57,1% · odds 1,13 | Больше 19,555,1% · ожид. 22,10 | Carole Monnet +5,591,0% · ожид. +0.724103 | 50% |
| Взвешенный консенсус weighted-consensus-v1-e244479655d1cdcb4a875e54 | Bianca Andreescu53,2% · odds 1,13 | Больше 19,572,2% · ожид. 24,11 · odds 1,90 | Carole Monnet +5,580,5% · ожид. +0.893934 · odds 1,87 | 78%высокая |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Carole Monnet52,8% · odds 5,00 | не рассчитывает | не рассчитывает | 100%высокая |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Bianca Andreescu53,0% · odds 1,13 | Больше 19,573,5% · ожид. 24,30 · odds 1,90 | Carole Monnet +5,583,7% · ожид. +0.3369 · odds 1,87 | 90%высокая |
| Monte Carlo monte-carlo-v2-context-20000 | Bianca Andreescu53,1% · odds 1,13 | Больше 19,573,1% · ожид. 24,23 · odds 1,90 | Carole Monnet +5,583,5% · ожид. +0.35885 · odds 1,87 | 90%высокая |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Bianca Andreescu71,1% · odds 1,13 | Больше 19,569,0% · ожид. 23,65 · odds 1,90 | Carole Monnet +5,571,7% · ожид. +2.39701 · odds 1,87 | 39%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Bianca Andreescu66,7% · odds 1,13 | Больше 19,570,9% · ожид. 23,93 · odds 1,90 | Carole Monnet +5,575,4% · ожид. +1.8782 · odds 1,87 | 39%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Bianca Andreescu68,0% · odds 1,13 | Больше 19,570,2% · ожид. 23,82 · odds 1,90 | Carole Monnet +5,574,1% · ожид. +2.03487 · odds 1,87 | 39%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Bianca Andreescu68,5% · odds 1,13 | Больше 19,569,6% · ожид. 23,74 · odds 1,90 | Carole Monnet +5,573,0% · ожид. +2.1074 · odds 1,87 | 39%ограниченная |
Параметры point-level
- Bianca Andreescu на подаче
- 54,76%
- Carole Monnet на подаче
- 54,19%
- Среднее покрытия
- 52,96%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
2:027,1%2:126,0%1:223,9%0:223,0%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 16–34
- 90% диапазон разницы П1
- -7…7
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.000
- Высота
- +0.000
- Indoor
- +0.000
- P1 serve до → после
- 54,76% → 54,76%
- P2 serve до → после
- 54,19% → 54,19%
Усталость и переход покрытия
- Bianca Andreescu
- 0 матч. / 0 геймов за 7 дней · отдых 180,0 дн. · переход нет
- Carole Monnet
- 0 матч. / 0 геймов за 7 дней · отдых 153,0 дн. · переход нет
Serve/Return CatBoost → Markov
- Bianca Andreescu: P(очко на подаче)
- 56,25%
- Carole Monnet: P(очко на подаче)
- 52,08%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Bianca Andreescu: P(очко на подаче)
- 56,27%
- Carole Monnet: P(очко на подаче)
- 53,02%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Bianca Andreescu: P(очко на подаче)
- 55,71%
- Carole Monnet: P(очко на подаче)
- 52,21%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Bianca Andreescu: P(очко на подаче)
- 56,07%
- Carole Monnet: P(очко на подаче)
- 52,44%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Yaroslav Demin — Alexandre Muller
ATP Challenger. Taipei. Taiwan · Hard · начало 01.11.2026 05:05 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
Консенсус Research
Yaroslav Demin · 56,9%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Alexandre Muller72,4% · odds 1,50 | Меньше 21,561,2% · ожид. 21,37 | Alexandre Muller -2,564,4% · ожид. -2.13814 | 50% |
| Взвешенный консенсус weighted-consensus-v1-4944430ef36bdfd012c34453 | Yaroslav Demin56,9% · odds 2,40 | Больше 21,562,3% · ожид. 24,56 · odds 1,80 | Yaroslav Demin +2,562,3% · ожид. +0.0295007 · odds 1,92 | 78%высокая |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Yaroslav Demin65,0% · odds 2,40 | не рассчитывает | не рассчитывает | 100%высокая |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Yaroslav Demin63,5% · odds 2,40 | Больше 21,564,8% · ожид. 24,90 · odds 1,80 | Yaroslav Demin +2,575,2% · ожид. +1.37715 · odds 1,92 | 90%высокая |
| Monte Carlo monte-carlo-v2-context-20000 | Yaroslav Demin63,2% · odds 2,40 | Больше 21,564,1% · ожид. 24,84 · odds 1,80 | Yaroslav Demin +2,574,8% · ожид. +1.3655 · odds 1,92 | 90%высокая |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Alexandre Muller77,3% · odds 1,50 | Больше 21,558,0% · ожид. 23,97 · odds 1,80 | Alexandre Muller -2,565,2% · ожид. -2.87823 · odds 1,78 | 39%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Alexandre Muller76,6% · odds 1,50 | Больше 21,558,6% · ожид. 24,06 · odds 1,80 | Alexandre Muller -2,564,4% · ожид. -2.79509 · odds 1,78 | 39%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Alexandre Muller80,0% · odds 1,50 | Больше 21,556,1% · ожид. 23,72 · odds 1,80 | Alexandre Muller -2,568,5% · ожид. -3.19052 · odds 1,78 | 39%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Alexandre Muller77,6% · odds 1,50 | Больше 21,557,3% · ожид. 23,89 · odds 1,80 | Alexandre Muller -2,565,7% · ожид. -2.9184 · odds 1,78 | 39%ограниченная |
Параметры point-level
- Yaroslav Demin на подаче
- 62,68%
- Alexandre Muller на подаче
- 59,98%
- Среднее покрытия
- 61,54%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
2:035,0%2:128,6%1:219,8%0:216,7%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 17–35
- 90% диапазон разницы П1
- -6…7
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.000
- Высота
- +0.000
- Indoor
- +0.000
- P1 serve до → после
- 63,13% → 62,68%
- P2 serve до → после
- 60,43% → 59,98%
Усталость и переход покрытия
- Yaroslav Demin
- 0 матч. / 0 геймов за 7 дней · отдых 174,0 дн. · переход да
- Alexandre Muller
- 0 матч. / 0 геймов за 7 дней · отдых 168,0 дн. · переход да
Serve/Return CatBoost → Markov
- Yaroslav Demin: P(очко на подаче)
- 58,09%
- Alexandre Muller: P(очко на подаче)
- 63,92%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Yaroslav Demin: P(очко на подаче)
- 58,36%
- Alexandre Muller: P(очко на подаче)
- 64,05%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Yaroslav Demin: P(очко на подаче)
- 57,83%
- Alexandre Muller: P(очко на подаче)
- 64,40%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Yaroslav Demin: P(очко на подаче)
- 58,09%
- Alexandre Muller: P(очко на подаче)
- 64,12%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Wong Chak Lam Coleman — Huang Tsung-Hao
ATP Challenger. Taipei. Taiwan · Hard · начало 01.11.2026 05:05 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
Консенсус Research
Huang Tsung-Hao · 58,0%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Huang Tsung-Hao70,9% · odds 7,50 | — | — | 5% |
| Взвешенный консенсус weighted-consensus-v1-4944430ef36bdfd012c34453 | Huang Tsung-Hao58,0% · odds 7,50 | не рассчитывает | не рассчитывает | 56%средняя |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Huang Tsung-Hao51,8% · odds 7,50 | не рассчитывает | не рассчитывает | 2%ограниченная |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Wong Chak Lam Coleman53,1% · odds 1,77 | не рассчитывает | не рассчитывает | 73%средняя |
| Monte Carlo monte-carlo-v2-context-20000 | Wong Chak Lam Coleman52,7% · odds 1,77 | не рассчитывает | не рассчитывает | 73%средняя |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Huang Tsung-Hao96,8% · odds 7,50 | не рассчитывает | не рассчитывает | 22%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Huang Tsung-Hao98,1% · odds 7,50 | не рассчитывает | не рассчитывает | 22%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Huang Tsung-Hao97,8% · odds 7,50 | не рассчитывает | не рассчитывает | 22%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Huang Tsung-Hao96,6% · odds 7,50 | не рассчитывает | не рассчитывает | 22%ограниченная |
Параметры point-level
- Wong Chak Lam Coleman на подаче
- 60,53%
- Huang Tsung-Hao на подаче
- 59,93%
- Среднее покрытия
- 61,54%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
2:027,1%2:126,0%1:223,9%0:223,0%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 16–34
- 90% диапазон разницы П1
- -7…7
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.000
- Высота
- +0.000
- Indoor
- +0.000
- P1 serve до → после
- 60,53% → 60,53%
- P2 serve до → после
- 59,93% → 59,93%
Усталость и переход покрытия
- Wong Chak Lam Coleman
- 0 матч. / 0 геймов за 7 дней · отдых 1035,0 дн. · переход нет
- Huang Tsung-Hao
- 0 матч. / 0 геймов за 7 дней · отдых 153,0 дн. · переход нет
Serve/Return CatBoost → Markov
- Wong Chak Lam Coleman: P(очко на подаче)
- 51,35%
- Huang Tsung-Hao: P(очко на подаче)
- 65,56%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Wong Chak Lam Coleman: P(очко на подаче)
- 49,23%
- Huang Tsung-Hao: P(очко на подаче)
- 65,03%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Wong Chak Lam Coleman: P(очко на подаче)
- 50,06%
- Huang Tsung-Hao: P(очко на подаче)
- 65,58%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Wong Chak Lam Coleman: P(очко на подаче)
- 50,21%
- Huang Tsung-Hao: P(очко на подаче)
- 65,39%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Mili Poljicak — Sho Shimabukuro
ATP Challenger. Taipei. Taiwan · Hard · начало 01.11.2026 05:05 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
Консенсус Research
Sho Shimabukuro · 57,6%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Sho Shimabukuro63,0% · odds 1,20 | Больше 20,554,0% · ожид. 22,93 | Mili Poljicak +4,568,9% · ожид. -1.21184 | 50% |
| Взвешенный консенсус weighted-consensus-v1-4944430ef36bdfd012c34453 | Sho Shimabukuro57,6% · odds 1,20 | Больше 20,569,1% · ожид. 24,78 · odds 1,80 | Mili Poljicak +4,574,1% · ожид. -1.01352 · odds 1,87 | 78%высокая |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Sho Shimabukuro55,0% · odds 1,20 | не рассчитывает | не рассчитывает | 100%высокая |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Sho Shimabukuro51,5% · odds 1,20 | Больше 20,571,8% · ожид. 25,18 · odds 1,80 | Mili Poljicak +4,580,6% · ожид. -0.155314 · odds 1,87 | 90%высокая |
| Monte Carlo monte-carlo-v2-context-20000 | Sho Shimabukuro51,8% · odds 1,20 | Больше 20,571,0% · ожид. 25,03 · odds 1,80 | Mili Poljicak +4,580,1% · ожид. -0.20295 · odds 1,87 | 90%высокая |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Sho Shimabukuro77,8% · odds 1,20 | Больше 20,564,1% · ожид. 24,10 · odds 1,80 | Mili Poljicak +4,560,2% · ожид. -2.88044 · odds 1,87 | 39%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Sho Shimabukuro74,7% · odds 1,20 | Больше 20,566,0% · ожид. 24,36 · odds 1,80 | Mili Poljicak +4,563,3% · ожид. -2.53843 · odds 1,87 | 39%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Sho Shimabukuro80,2% · odds 1,20 | Больше 20,562,6% · ожид. 23,90 · odds 1,80 | Mili Poljicak +4,557,8% · ожид. -3.14385 · odds 1,87 | 39%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Sho Shimabukuro77,8% · odds 1,20 | Больше 20,563,4% · ожид. 24,02 · odds 1,80 | Mili Poljicak +4,559,9% · ожид. -2.89205 · odds 1,87 | 39%ограниченная |
Параметры point-level
- Mili Poljicak на подаче
- 61,33%
- Sho Shimabukuro на подаче
- 61,64%
- Среднее покрытия
- 61,54%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
0:226,0%1:225,5%2:124,5%2:024,0%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 17–35
- 90% диапазон разницы П1
- -7…6
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.000
- Высота
- +0.000
- Indoor
- +0.000
- P1 serve до → после
- 61,78% → 61,33%
- P2 serve до → после
- 62,09% → 61,64%
Усталость и переход покрытия
- Mili Poljicak
- 0 матч. / 0 геймов за 7 дней · отдых 160,0 дн. · переход да
- Sho Shimabukuro
- 0 матч. / 0 геймов за 7 дней · отдых 153,0 дн. · переход да
Serve/Return CatBoost → Markov
- Mili Poljicak: P(очко на подаче)
- 58,99%
- Sho Shimabukuro: P(очко на подаче)
- 65,02%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Mili Poljicak: P(очко на подаче)
- 59,32%
- Sho Shimabukuro: P(очко на подаче)
- 64,55%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Mili Poljicak: P(очко на подаче)
- 58,90%
- Sho Shimabukuro: P(очко на подаче)
- 65,61%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Mili Poljicak: P(очко на подаче)
- 59,07%
- Sho Shimabukuro: P(очко на подаче)
- 65,06%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Kuan-Shou Chen — Billy Harris
ATP Challenger. Taipei. Taiwan · Hard · начало 01.11.2026 05:05 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
Консенсус Research
Billy Harris · 73,1%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Billy Harris87,9% · odds 1,30 | — | — | 25% |
| Взвешенный консенсус weighted-consensus-v1-4944430ef36bdfd012c34453 | Billy Harris73,1% · odds 1,30 | не рассчитывает | не рассчитывает | 56%средняя |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Billy Harris62,9% · odds 1,30 | не рассчитывает | не рассчитывает | 12%ограниченная |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Billy Harris68,0% · odds 1,30 | не рассчитывает | не рассчитывает | 74%средняя |
| Monte Carlo monte-carlo-v2-context-20000 | Billy Harris67,5% · odds 1,30 | не рассчитывает | не рассчитывает | 74%средняя |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Billy Harris97,6% · odds 1,30 | не рассчитывает | не рассчитывает | 22%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Billy Harris97,0% · odds 1,30 | не рассчитывает | не рассчитывает | 22%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Billy Harris96,6% · odds 1,30 | не рассчитывает | не рассчитывает | 22%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Billy Harris96,5% · odds 1,30 | не рассчитывает | не рассчитывает | 22%ограниченная |
Параметры point-level
- Kuan-Shou Chen на подаче
- 59,88%
- Billy Harris на подаче
- 63,54%
- Среднее покрытия
- 61,54%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
0:238,7%1:229,3%2:117,8%2:014,3%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 17–35
- 90% диапазон разницы П1
- -7…6
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.000
- Высота
- +0.000
- Indoor
- +0.000
- P1 serve до → после
- 59,88% → 59,88%
- P2 serve до → после
- 63,99% → 63,54%
Усталость и переход покрытия
- Kuan-Shou Chen
- 0 матч. / 0 геймов за 7 дней · отдых 216,0 дн. · переход нет
- Billy Harris
- 0 матч. / 0 геймов за 7 дней · отдых 153,0 дн. · переход да
Serve/Return CatBoost → Markov
- Kuan-Shou Chen: P(очко на подаче)
- 53,61%
- Billy Harris: P(очко на подаче)
- 69,26%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Kuan-Shou Chen: P(очко на подаче)
- 54,44%
- Billy Harris: P(очко на подаче)
- 69,26%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Kuan-Shou Chen: P(очко на подаче)
- 54,25%
- Billy Harris: P(очко на подаче)
- 68,60%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Kuan-Shou Chen: P(очко на подаче)
- 54,10%
- Billy Harris: P(очко на подаче)
- 69,04%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Joel Schwaerzler — Jan Kumstat
ATP Challenger. Taipei. Taiwan · Hard · начало 01.11.2026 05:05 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
Консенсус Research
Joel Schwaerzler · 54,2%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Jan Kumstat54,8% · odds 1,81 | Больше 22,551,2% · ожид. 24,28 | Joel Schwaerzler +1,553,7% · ожид. -0.567145 | 50% |
| Взвешенный консенсус weighted-consensus-v1-4944430ef36bdfd012c34453 | Joel Schwaerzler54,2% · odds 1,90 | Больше 22,555,6% · ожид. 24,68 · odds 1,93 | Joel Schwaerzler +1,564,3% · ожид. +0.864191 · odds 1,70 | 77%высокая |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Jan Kumstat50,6% · odds 1,81 | не рассчитывает | не рассчитывает | 99%высокая |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Jan Kumstat52,5% · odds 1,81 | Больше 22,559,5% · ожид. 25,22 · odds 1,93 | Joel Schwaerzler +1,554,7% · ожид. -0.248396 · odds 1,70 | 89%высокая |
| Monte Carlo monte-carlo-v2-context-20000 | Jan Kumstat51,7% · odds 1,81 | Больше 22,558,6% · ожид. 25,13 · odds 1,93 | Joel Schwaerzler +1,555,1% · ожид. -0.19185 · odds 1,70 | 89%высокая |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Joel Schwaerzler78,2% · odds 1,90 | Больше 22,550,3% · ожид. 23,93 · odds 1,93 | Joel Schwaerzler +1,583,2% · ожид. +2.97266 · odds 1,70 | 39%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Joel Schwaerzler80,1% · odds 1,90 | Меньше 22,551,4% · ожид. 23,67 · odds 1,77 | Joel Schwaerzler +1,584,8% · ожид. +3.21287 · odds 1,70 | 39%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Joel Schwaerzler83,7% · odds 1,90 | Меньше 22,554,3% · ожид. 23,31 · odds 1,77 | Joel Schwaerzler +1,587,8% · ожид. +3.62832 · odds 1,70 | 39%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Joel Schwaerzler80,1% · odds 1,90 | Меньше 22,552,0% · ожид. 23,60 · odds 1,77 | Joel Schwaerzler +1,584,7% · ожид. +3.22845 · odds 1,70 | 39%ограниченная |
Параметры point-level
- Joel Schwaerzler на подаче
- 61,49%
- Jan Kumstat на подаче
- 61,98%
- Среднее покрытия
- 61,54%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
0:226,7%1:225,8%2:124,1%2:023,4%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 17–35
- 90% диапазон разницы П1
- -7…6
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.000
- Высота
- +0.000
- Indoor
- +0.000
- P1 serve до → после
- 61,94% → 61,49%
- P2 serve до → после
- 62,43% → 61,98%
Усталость и переход покрытия
- Joel Schwaerzler
- 0 матч. / 0 геймов за 7 дней · отдых 153,0 дн. · переход да
- Jan Kumstat
- 0 матч. / 0 геймов за 7 дней · отдых 153,0 дн. · переход да
Serve/Return CatBoost → Markov
- Joel Schwaerzler: P(очко на подаче)
- 64,36%
- Jan Kumstat: P(очко на подаче)
- 58,25%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Joel Schwaerzler: P(очко на подаче)
- 64,18%
- Jan Kumstat: P(очко на подаче)
- 57,60%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Joel Schwaerzler: P(очко на подаче)
- 65,18%
- Jan Kumstat: P(очко на подаче)
- 57,50%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Joel Schwaerzler: P(очко на подаче)
- 64,57%
- Jan Kumstat: P(очко на подаче)
- 57,79%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
James McCabe — Rei Sakamoto
ATP Challenger. Taipei. Taiwan · Hard · начало 01.11.2026 05:05 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
Консенсус Research
Rei Sakamoto · 59,6%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Rei Sakamoto72,2% · odds 1,13 | Больше 19,566,6% · ожид. 23,85 | James McCabe +5,561,9% · ожид. -2.27271 | 50% |
| Взвешенный консенсус weighted-consensus-v1-4944430ef36bdfd012c34453 | Rei Sakamoto59,6% · odds 1,13 | Больше 19,579,8% · ожид. 25,36 · odds 1,80 | James McCabe +5,586,2% · ожид. -1.28658 · odds 1,85 | 78%высокая |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Rei Sakamoto54,8% · odds 1,13 | не рассчитывает | не рассчитывает | 100%высокая |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Rei Sakamoto58,4% · odds 1,13 | Больше 19,581,5% · ожид. 25,65 · odds 1,80 | James McCabe +5,588,9% · ожид. -0.797608 · odds 1,85 | 90%высокая |
| Monte Carlo monte-carlo-v2-context-20000 | Rei Sakamoto58,4% · odds 1,13 | Больше 19,581,1% · ожид. 25,58 · odds 1,80 | James McCabe +5,588,7% · ожид. -0.7849 · odds 1,85 | 90%высокая |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Rei Sakamoto71,3% · odds 1,13 | Больше 19,578,6% · ожид. 25,14 · odds 1,80 | James McCabe +5,583,1% · ожид. -2.03925 · odds 1,85 | 39%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Rei Sakamoto77,7% · odds 1,13 | Больше 19,574,3% · ожид. 24,46 · odds 1,80 | James McCabe +5,577,4% · ожид. -2.75533 · odds 1,85 | 39%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Rei Sakamoto74,1% · odds 1,13 | Больше 19,576,5% · ожид. 24,80 · odds 1,80 | James McCabe +5,580,4% · ожид. -2.36287 · odds 1,85 | 39%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Rei Sakamoto74,0% · odds 1,13 | Больше 19,576,7% · ожид. 24,81 · odds 1,80 | James McCabe +5,580,2% · ожид. -2.37945 · odds 1,85 | 39%ограниченная |
Параметры point-level
- James McCabe на подаче
- 63,43%
- Rei Sakamoto на подаче
- 65,14%
- Среднее покрытия
- 61,54%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
0:231,0%1:227,5%2:121,9%2:019,7%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 17–35
- 90% диапазон разницы П1
- -7…6
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.000
- Высота
- +0.000
- Indoor
- +0.000
- P1 serve до → после
- 63,88% → 63,43%
- P2 serve до → после
- 65,59% → 65,14%
Усталость и переход покрытия
- James McCabe
- 0 матч. / 0 геймов за 7 дней · отдых 153,0 дн. · переход да
- Rei Sakamoto
- 0 матч. / 0 геймов за 7 дней · отдых 173,0 дн. · переход да
Serve/Return CatBoost → Markov
- James McCabe: P(очко на подаче)
- 62,24%
- Rei Sakamoto: P(очко на подаче)
- 66,77%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- James McCabe: P(очко на подаче)
- 60,71%
- Rei Sakamoto: P(очко на подаче)
- 66,80%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- James McCabe: P(очко на подаче)
- 61,33%
- Rei Sakamoto: P(очко на подаче)
- 66,51%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- James McCabe: P(очко на подаче)
- 61,43%
- Rei Sakamoto: P(очко на подаче)
- 66,69%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Hsu Yu Hsiou — Aleksandar Vukic
ATP Challenger. Taipei. Taiwan · Hard · начало 01.11.2026 05:05 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
Консенсус Research
Hsu Yu Hsiou · 60,6%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Aleksandar Vukic71,4% · odds 1,25 | Меньше 21,556,4% · ожид. 22,21 | Hsu Yu Hsiou +4,551,9% · ожид. -2.56106 | 50% |
| Взвешенный консенсус weighted-consensus-v1-4944430ef36bdfd012c34453 | Hsu Yu Hsiou60,6% · odds 3,60 | Больше 21,564,0% · ожид. 24,84 · odds 1,90 | Hsu Yu Hsiou +4,584,1% · ожид. +0.648377 · odds 1,70 | 78%высокая |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Hsu Yu Hsiou65,6% · odds 3,60 | не рассчитывает | не рассчитывает | 100%высокая |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Hsu Yu Hsiou70,0% · odds 3,60 | Больше 21,564,5% · ожид. 24,91 · odds 1,90 | Hsu Yu Hsiou +4,592,1% · ожид. +1.9797 · odds 1,70 | 90%высокая |
| Monte Carlo monte-carlo-v2-context-20000 | Hsu Yu Hsiou69,1% · odds 3,60 | Больше 21,564,5% · ожид. 24,92 · odds 1,90 | Hsu Yu Hsiou +4,591,8% · ожид. +1.9269 · odds 1,70 | 90%высокая |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Aleksandar Vukic72,5% · odds 1,25 | Больше 21,562,9% · ожид. 24,68 · odds 1,90 | Hsu Yu Hsiou +4,566,7% · ожид. -2.25867 · odds 1,70 | 39%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Aleksandar Vukic71,5% · odds 1,25 | Больше 21,563,2% · ожид. 24,73 · odds 1,90 | Hsu Yu Hsiou +4,567,4% · ожид. -2.15983 · odds 1,70 | 39%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Aleksandar Vukic72,9% · odds 1,25 | Больше 21,562,5% · ожид. 24,62 · odds 1,90 | Hsu Yu Hsiou +4,566,1% · ожид. -2.30587 · odds 1,70 | 39%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Aleksandar Vukic72,2% · odds 1,25 | Больше 21,562,6% · ожид. 24,65 · odds 1,90 | Hsu Yu Hsiou +4,566,5% · ожид. -2.2507 · odds 1,70 | 39%ограниченная |
Параметры point-level
- Hsu Yu Hsiou на подаче
- 65,19%
- Aleksandar Vukic на подаче
- 61,02%
- Среднее покрытия
- 61,54%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
2:040,5%2:129,5%1:216,8%0:213,2%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 17–35
- 90% диапазон разницы П1
- -5…7
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.000
- Высота
- +0.000
- Indoor
- +0.000
- P1 serve до → после
- 65,64% → 65,19%
- P2 serve до → после
- 61,47% → 61,02%
Усталость и переход покрытия
- Hsu Yu Hsiou
- 0 матч. / 0 геймов за 7 дней · отдых 153,0 дн. · переход да
- Aleksandar Vukic
- 0 матч. / 0 геймов за 7 дней · отдых 153,0 дн. · переход да
Serve/Return CatBoost → Markov
- Hsu Yu Hsiou: P(очко на подаче)
- 60,41%
- Aleksandar Vukic: P(очко на подаче)
- 65,15%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Hsu Yu Hsiou: P(очко на подаче)
- 60,40%
- Aleksandar Vukic: P(очко на подаче)
- 64,90%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Hsu Yu Hsiou: P(очко на подаче)
- 60,19%
- Aleksandar Vukic: P(очко на подаче)
- 65,01%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Hsu Yu Hsiou: P(очко на подаче)
- 60,33%
- Aleksandar Vukic: P(очко на подаче)
- 65,02%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Harold Mayot — Petr Bar-Biryukov
ATP Challenger. Taipei. Taiwan · Hard · начало 01.11.2026 05:05 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
Консенсус Research
Harold Mayot · 51,0%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Harold Mayot68,1% · odds 1,18 | Больше 20,555,1% · ожид. 23,85 | Petr Bar-Biryukov +4,554,0% · ожид. +1.66554 | 50% |
| Взвешенный консенсус weighted-consensus-v1-4944430ef36bdfd012c34453 | Harold Mayot51,0% · odds 1,18 | Больше 20,576,0% · ожид. 25,91 · odds 1,85 | Petr Bar-Biryukov +4,582,7% · ожид. +0.431955 · odds 2,02 | 78%высокая |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Petr Bar-Biryukov53,7% · odds 4,30 | не рассчитывает | не рассчитывает | 100%высокая |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Harold Mayot54,4% · odds 1,18 | Больше 20,575,9% · ожид. 25,90 · odds 1,85 | Petr Bar-Biryukov +4,582,8% · ожид. +0.405307 · odds 2,02 | 90%высокая |
| Monte Carlo monte-carlo-v2-context-20000 | Harold Mayot54,2% · odds 1,18 | Больше 20,576,0% · ожид. 25,88 · odds 1,85 | Petr Bar-Biryukov +4,582,9% · ожид. +0.3934 · odds 2,02 | 90%высокая |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Harold Mayot53,9% · odds 1,18 | Больше 20,575,7% · ожид. 25,86 · odds 1,85 | Petr Bar-Biryukov +4,582,8% · ожид. +0.365198 · odds 2,02 | 39%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Harold Mayot53,0% · odds 1,18 | Больше 20,576,9% · ожид. 26,07 · odds 1,85 | Petr Bar-Biryukov +4,584,3% · ожид. +0.272495 · odds 2,02 | 39%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Harold Mayot59,3% · odds 1,18 | Больше 20,575,6% · ожид. 25,85 · odds 1,85 | Petr Bar-Biryukov +4,580,2% · ожид. +0.860056 · odds 2,02 | 39%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Harold Mayot55,6% · odds 1,18 | Больше 20,576,3% · ожид. 26,00 · odds 1,85 | Petr Bar-Biryukov +4,582,2% · ожид. +0.5213 · odds 2,02 | 39%ограниченная |
Параметры point-level
- Harold Mayot на подаче
- 65,51%
- Petr Bar-Biryukov на подаче
- 64,62%
- Среднее покрытия
- 61,54%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
2:028,0%2:126,4%1:223,5%0:222,2%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 17–35
- 90% диапазон разницы П1
- -6…6
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.000
- Высота
- +0.000
- Indoor
- +0.000
- P1 serve до → после
- 65,51% → 65,51%
- P2 serve до → после
- 65,07% → 64,62%
Усталость и переход покрытия
- Harold Mayot
- 0 матч. / 0 геймов за 7 дней · отдых 153,0 дн. · переход нет
- Petr Bar-Biryukov
- 0 матч. / 0 геймов за 7 дней · отдых 153,0 дн. · переход да
Serve/Return CatBoost → Markov
- Harold Mayot: P(очко на подаче)
- 65,26%
- Petr Bar-Biryukov: P(очко на подаче)
- 64,46%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Harold Mayot: P(очко на подаче)
- 65,98%
- Petr Bar-Biryukov: P(очко на подаче)
- 65,36%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Harold Mayot: P(очко на подаче)
- 66,19%
- Petr Bar-Biryukov: P(очко на подаче)
- 64,28%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Harold Mayot: P(очко на подаче)
- 65,81%
- Petr Bar-Biryukov: P(очко на подаче)
- 64,70%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Daniel Michalski — August Holmgren
ATP Challenger. Taipei. Taiwan · Hard · начало 01.11.2026 05:05 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
Консенсус Research
August Holmgren · 53,6%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | August Holmgren58,5% · odds 1,42 | Меньше 22,556,0% · ожид. 23,06 | August Holmgren -3,555,2% · ожид. -2.8481 | 50% |
| Взвешенный консенсус weighted-consensus-v1-4944430ef36bdfd012c34453 | August Holmgren53,6% · odds 1,42 | Больше 22,557,6% · ожид. 25,08 · odds 1,96 | Daniel Michalski +3,566,3% · ожид. -0.672482 · odds 1,75 | 78%высокая |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Daniel Michalski50,1% · odds 2,65 | не рассчитывает | не рассчитывает | 100%высокая |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Daniel Michalski53,3% · odds 2,65 | Больше 22,560,7% · ожид. 25,49 · odds 1,96 | Daniel Michalski +3,575,6% · ожид. +0.31492 · odds 1,75 | 90%высокая |
| Monte Carlo monte-carlo-v2-context-20000 | Daniel Michalski53,1% · odds 2,65 | Больше 22,559,7% · ожид. 25,36 · odds 1,96 | Daniel Michalski +3,574,9% · ожид. +0.2857 · odds 1,75 | 90%высокая |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | August Holmgren77,6% · odds 1,42 | Больше 22,552,5% · ожид. 24,40 · odds 1,96 | August Holmgren -3,552,8% · ожид. -2.76547 · odds 1,96 | 39%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | August Holmgren77,6% · odds 1,42 | Больше 22,551,9% · ожид. 24,27 · odds 1,96 | August Holmgren -3,553,5% · ожид. -2.81152 · odds 1,96 | 39%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | August Holmgren78,9% · odds 1,42 | Больше 22,551,6% · ожид. 24,28 · odds 1,96 | August Holmgren -3,554,3% · ожид. -2.9093 · odds 1,96 | 39%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | August Holmgren78,2% · odds 1,42 | Больше 22,552,4% · ожид. 24,35 · odds 1,96 | August Holmgren -3,553,1% · ожид. -2.8299 · odds 1,96 | 39%ограниченная |
Параметры point-level
- Daniel Michalski на подаче
- 63,52%
- August Holmgren на подаче
- 62,87%
- Среднее покрытия
- 61,54%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
2:027,2%2:126,0%1:223,9%0:222,9%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 17–35
- 90% диапазон разницы П1
- -6…7
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.000
- Высота
- +0.000
- Indoor
- +0.000
- P1 serve до → после
- 63,97% → 63,52%
- P2 serve до → после
- 63,32% → 62,87%
Усталость и переход покрытия
- Daniel Michalski
- 0 матч. / 0 геймов за 7 дней · отдых 153,0 дн. · переход да
- August Holmgren
- 0 матч. / 0 геймов за 7 дней · отдых 153,0 дн. · переход да
Serve/Return CatBoost → Markov
- Daniel Michalski: P(очко на подаче)
- 60,39%
- August Holmgren: P(очко на подаче)
- 66,43%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Daniel Michalski: P(очко на подаче)
- 59,83%
- August Holmgren: P(очко на подаче)
- 65,86%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Daniel Michalski: P(очко на подаче)
- 60,30%
- August Holmgren: P(очко на подаче)
- 66,72%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Daniel Michalski: P(очко на подаче)
- 60,17%
- August Holmgren: P(очко на подаче)
- 66,34%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Charles Broom — Liam Broady
ATP Challenger. Taipei. Taiwan · Hard · начало 01.11.2026 05:05 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
Консенсус Research
Liam Broady · 52,9%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Charles Broom56,4% · odds 1,54 | Меньше 22,559,9% · ожид. 22,49 | Liam Broady +2,550,4% · ожид. +0.187358 | 50% |
| Взвешенный консенсус weighted-consensus-v1-4944430ef36bdfd012c34453 | Liam Broady52,9% · odds 2,32 | Больше 22,558,9% · ожид. 25,12 · odds 1,87 | Liam Broady +2,567,1% · ожид. -0.407868 · odds 1,82 | 78%высокая |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Liam Broady51,5% · odds 2,32 | не рассчитывает | не рассчитывает | 100%высокая |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Liam Broady55,5% · odds 2,32 | Больше 22,558,5% · ожид. 25,00 · odds 1,87 | Liam Broady +2,568,2% · ожид. -0.567542 · odds 1,82 | 90%высокая |
| Monte Carlo monte-carlo-v2-context-20000 | Liam Broady55,4% · odds 2,32 | Больше 22,557,9% · ожид. 24,94 · odds 1,87 | Liam Broady +2,568,2% · ожид. -0.57315 · odds 1,82 | 90%высокая |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Liam Broady51,4% · odds 2,32 | Больше 22,561,0% · ожид. 25,55 · odds 1,87 | Liam Broady +2,565,6% · ожид. -0.139597 · odds 1,82 | 39%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Liam Broady50,3% · odds 2,32 | Больше 22,560,4% · ожид. 25,41 · odds 1,87 | Liam Broady +2,564,2% · ожид. -0.0264295 · odds 1,82 | 39%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Charles Broom50,1% · odds 1,54 | Больше 22,560,6% · ожид. 25,46 · odds 1,87 | Liam Broady +2,564,0% · ожид. +0.0106055 · odds 1,82 | 39%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Liam Broady50,5% · odds 2,32 | Больше 22,560,3% · ожид. 25,41 · odds 1,87 | Liam Broady +2,564,3% · ожид. -0.03525 · odds 1,82 | 39%ограниченная |
Параметры point-level
- Charles Broom на подаче
- 60,12%
- Liam Broady на подаче
- 61,21%
- Среднее покрытия
- 61,54%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
0:228,8%1:226,7%2:123,0%2:021,4%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 17–35
- 90% диапазон разницы П1
- -7…6
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.000
- Высота
- +0.000
- Indoor
- +0.000
- P1 serve до → после
- 60,57% → 60,12%
- P2 serve до → после
- 61,66% → 61,21%
Усталость и переход покрытия
- Charles Broom
- 0 матч. / 0 геймов за 7 дней · отдых 153,0 дн. · переход да
- Liam Broady
- 0 матч. / 0 геймов за 7 дней · отдых 153,0 дн. · переход да
Serve/Return CatBoost → Markov
- Charles Broom: P(очко на подаче)
- 63,24%
- Liam Broady: P(очко на подаче)
- 63,53%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Charles Broom: P(очко на подаче)
- 62,68%
- Liam Broady: P(очко на подаче)
- 62,74%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Charles Broom: P(очко на подаче)
- 62,94%
- Liam Broady: P(очко на подаче)
- 62,92%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Charles Broom: P(очко на подаче)
- 62,96%
- Liam Broady: P(очко на подаче)
- 63,06%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Carl Emil Overbeck — Tseng Chun Hsin
ATP Challenger. Taipei. Taiwan · Hard · начало 01.11.2026 05:05 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
Консенсус Research
Carl Emil Overbeck · 63,9%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Tseng Chun Hsin57,1% · odds 1,37 | Меньше 21,552,7% · ожид. 22,78 | Carl Emil Overbeck +3,553,7% · ожид. -1.37726 | 50% |
| Взвешенный консенсус weighted-consensus-v1-4944430ef36bdfd012c34453 | Carl Emil Overbeck63,9% · odds 2,85 | Больше 21,563,1% · ожид. 24,70 · odds 1,85 | Carl Emil Overbeck +3,579,2% · ожид. +1.1673 · odds 1,85 | 78%высокая |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Carl Emil Overbeck67,0% · odds 2,85 | не рассчитывает | не рассчитывает | 100%высокая |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Carl Emil Overbeck73,3% · odds 2,85 | Больше 21,561,8% · ожид. 24,53 · odds 1,85 | Carl Emil Overbeck +3,588,0% · ожид. +2.36834 · odds 1,85 | 90%высокая |
| Monte Carlo monte-carlo-v2-context-20000 | Carl Emil Overbeck72,9% · odds 2,85 | Больше 21,561,6% · ожид. 24,50 · odds 1,85 | Carl Emil Overbeck +3,587,7% · ожид. +2.34545 · odds 1,85 | 90%высокая |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Tseng Chun Hsin68,3% · odds 1,37 | Больше 21,564,8% · ожид. 24,95 · odds 1,85 | Carl Emil Overbeck +3,556,8% · ожид. -1.81969 · odds 1,85 | 39%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Tseng Chun Hsin62,7% · odds 1,37 | Больше 21,566,7% · ожид. 25,19 · odds 1,85 | Carl Emil Overbeck +3,562,1% · ожид. -1.25409 · odds 1,85 | 39%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Tseng Chun Hsin63,5% · odds 1,37 | Больше 21,566,4% · ожид. 25,15 · odds 1,85 | Carl Emil Overbeck +3,561,3% · ожид. -1.335 · odds 1,85 | 39%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Tseng Chun Hsin64,8% · odds 1,37 | Больше 21,566,0% · ожид. 25,09 · odds 1,85 | Carl Emil Overbeck +3,560,0% · ожид. -1.4714 · odds 1,85 | 39%ограниченная |
Параметры point-level
- Carl Emil Overbeck на подаче
- 64,74%
- Tseng Chun Hsin на подаче
- 59,83%
- Среднее покрытия
- 61,54%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
2:043,7%2:129,6%1:215,2%0:211,5%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 16–35
- 90% диапазон разницы П1
- -5…8
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.000
- Высота
- +0.000
- Indoor
- +0.000
- P1 serve до → после
- 65,19% → 64,74%
- P2 serve до → после
- 60,28% → 59,83%
Усталость и переход покрытия
- Carl Emil Overbeck
- 0 матч. / 0 геймов за 7 дней · отдых 160,0 дн. · переход да
- Tseng Chun Hsin
- 0 матч. / 0 геймов за 7 дней · отдых 153,0 дн. · переход да
Serve/Return CatBoost → Markov
- Carl Emil Overbeck: P(очко на подаче)
- 60,91%
- Tseng Chun Hsin: P(очко на подаче)
- 64,69%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Carl Emil Overbeck: P(очко на подаче)
- 61,47%
- Tseng Chun Hsin: P(очко на подаче)
- 64,04%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Carl Emil Overbeck: P(очко на подаче)
- 61,34%
- Tseng Chun Hsin: P(очко на подаче)
- 64,07%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Carl Emil Overbeck: P(очко на подаче)
- 61,24%
- Tseng Chun Hsin: P(очко на подаче)
- 64,27%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Yanki Erel — Chen Yan Cheng
ATP Challenger. Taipei. Taiwan. Hard. Qualifying · Hard · начало 01.11.2026 05:05 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
Консенсус Research
Yanki Erel · 84,8%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Yanki Erel92,3% · odds 1,02 | — | — | 50% |
| Взвешенный консенсус weighted-consensus-v1-af27edcb6a8b50d015844ff3 | Yanki Erel84,8% · odds 1,02 | не рассчитывает | не рассчитывает | 66%средняя |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Yanki Erel79,8% · odds 1,02 | не рассчитывает | не рассчитывает | 64%средняя |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Yanki Erel85,5% · odds 1,02 | не рассчитывает | не рассчитывает | 80%высокая |
| Monte Carlo monte-carlo-v2-context-20000 | Yanki Erel84,9% · odds 1,02 | не рассчитывает | не рассчитывает | 80%высокая |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Yanki Erel95,6% · odds 1,02 | не рассчитывает | не рассчитывает | 26%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Yanki Erel95,8% · odds 1,02 | не рассчитывает | не рассчитывает | 26%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Yanki Erel95,3% · odds 1,02 | не рассчитывает | не рассчитывает | 26%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Yanki Erel95,2% · odds 1,02 | не рассчитывает | не рассчитывает | 26%ограниченная |
Параметры point-level
- Yanki Erel на подаче
- 62,26%
- Chen Yan Cheng на подаче
- 54,15%
- Среднее покрытия
- 61,54%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
2:057,8%2:127,7%1:28,7%0:25,7%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 15–33
- 90% диапазон разницы П1
- -4…9
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.000
- Высота
- +0.000
- Indoor
- +0.000
- P1 serve до → после
- 62,26% → 62,26%
- P2 serve до → после
- 54,15% → 54,15%
Усталость и переход покрытия
- Yanki Erel
- 0 матч. / 0 геймов за 7 дней · отдых 160,0 дн. · переход нет
- Chen Yan Cheng
- 0 матч. / 0 геймов за 7 дней · отдых 153,0 дн. · переход нет
Serve/Return CatBoost → Markov
- Yanki Erel: P(очко на подаче)
- 67,06%
- Chen Yan Cheng: P(очко на подаче)
- 53,73%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Yanki Erel: P(очко на подаче)
- 66,50%
- Chen Yan Cheng: P(очко на подаче)
- 53,10%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Yanki Erel: P(очко на подаче)
- 66,98%
- Chen Yan Cheng: P(очко на подаче)
- 53,89%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Yanki Erel: P(очко на подаче)
- 66,84%
- Chen Yan Cheng: P(очко на подаче)
- 53,58%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Masamichi Imamura — Luca Staeheli
ATP Challenger. Taipei. Taiwan. Hard. Qualifying · Hard · начало 01.11.2026 05:05 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
Консенсус Research
Masamichi Imamura · 52,5%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Masamichi Imamura59,7% · odds 2,34 | — | — | 50% |
| Взвешенный консенсус weighted-consensus-v1-af27edcb6a8b50d015844ff3 | Masamichi Imamura52,5% · odds 2,34 | не рассчитывает | не рассчитывает | 85%высокая |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Masamichi Imamura56,7% · odds 2,34 | не рассчитывает | не рассчитывает | 100%высокая |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Luca Staeheli55,5% · odds 1,53 | не рассчитывает | не рассчитывает | 90%высокая |
| Monte Carlo monte-carlo-v2-context-20000 | Luca Staeheli55,1% · odds 1,53 | не рассчитывает | не рассчитывает | 90%высокая |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Masamichi Imamura59,5% · odds 2,34 | не рассчитывает | не рассчитывает | 39%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Masamichi Imamura56,6% · odds 2,34 | не рассчитывает | не рассчитывает | 39%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Masamichi Imamura61,7% · odds 2,34 | не рассчитывает | не рассчитывает | 39%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Masamichi Imamura59,6% · odds 2,34 | не рассчитывает | не рассчитывает | 39%ограниченная |
Параметры point-level
- Masamichi Imamura на подаче
- 55,94%
- Luca Staeheli на подаче
- 56,98%
- Среднее покрытия
- 61,54%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
0:228,8%1:226,7%2:123,0%2:021,5%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 16–34
- 90% диапазон разницы П1
- -7…7
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.000
- Высота
- +0.000
- Indoor
- +0.000
- P1 serve до → после
- 55,94% → 55,94%
- P2 serve до → после
- 57,43% → 56,98%
Усталость и переход покрытия
- Masamichi Imamura
- 0 матч. / 0 геймов за 7 дней · отдых 153,0 дн. · переход нет
- Luca Staeheli
- 0 матч. / 0 геймов за 7 дней · отдых 160,0 дн. · переход да
Serve/Return CatBoost → Markov
- Masamichi Imamura: P(очко на подаче)
- 58,86%
- Luca Staeheli: P(очко на подаче)
- 57,01%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Masamichi Imamura: P(очко на подаче)
- 58,75%
- Luca Staeheli: P(очко на подаче)
- 57,49%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Masamichi Imamura: P(очко на подаче)
- 59,24%
- Luca Staeheli: P(очко на подаче)
- 56,97%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Masamichi Imamura: P(очко на подаче)
- 58,95%
- Luca Staeheli: P(очко на подаче)
- 57,16%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Lin Yu Jun — Zheng Wushuang
World Tennis W35. Kunshan. China · Hard · начало 01.11.2026 05:05 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
Консенсус Research
Zheng Wushuang · 53,8%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Zheng Wushuang62,8% · odds 1,59 | Меньше 21,562,3% · ожид. 21,16 | Zheng Wushuang -2,559,2% · ожид. -1.01413 | 50% |
| Взвешенный консенсус weighted-consensus-v1-6a61d7ec2c989344b7b17571 | Zheng Wushuang53,8% · odds 1,59 | Больше 21,558,4% · ожид. 23,82 · odds 1,90 | Lin Yu Jun +2,555,8% · ожид. -0.635226 · odds 1,87 | 61%средняя |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Lin Yu Jun50,2% · odds 2,22 | не рассчитывает | не рассчитывает | 28%ограниченная |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Lin Yu Jun53,2% · odds 2,22 | Больше 21,562,2% · ожид. 24,30 · odds 1,90 | Lin Yu Jun +2,564,8% · ожид. +0.358532 · odds 1,87 | 76%высокая |
| Monte Carlo monte-carlo-v2-context-20000 | Lin Yu Jun53,4% · odds 2,22 | Больше 21,561,1% · ожид. 24,18 · odds 1,90 | Lin Yu Jun +2,564,8% · ожид. +0.3568 · odds 1,87 | 76%высокая |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Zheng Wushuang85,2% · odds 1,59 | Меньше 21,553,3% · ожид. 22,27 · odds 1,81 | Zheng Wushuang -2,576,8% · ожид. -4.212 · odds 1,83 | 22%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Zheng Wushuang84,4% · odds 1,59 | Меньше 21,552,0% · ожид. 22,45 · odds 1,81 | Zheng Wushuang -2,575,6% · ожид. -4.05959 · odds 1,83 | 22%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Zheng Wushuang82,8% · odds 1,59 | Меньше 21,550,6% · ожид. 22,62 · odds 1,81 | Zheng Wushuang -2,573,7% · ожид. -3.86149 · odds 1,83 | 22%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Zheng Wushuang83,3% · odds 1,59 | Меньше 21,552,9% · ожид. 22,35 · odds 1,81 | Zheng Wushuang -2,574,6% · ожид. -3.99815 · odds 1,83 | 22%ограниченная |
Параметры point-level
- Lin Yu Jun на подаче
- 54,86%
- Zheng Wushuang на подаче
- 54,25%
- Среднее покрытия
- 54,84%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
2:027,2%2:126,0%1:223,9%0:222,9%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 16–34
- 90% диапазон разницы П1
- -7…7
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.000
- Высота
- +0.000
- Indoor
- +0.000
- P1 serve до → после
- 55,31% → 54,86%
- P2 serve до → после
- 54,25% → 54,25%
Усталость и переход покрытия
- Lin Yu Jun
- 0 матч. / 0 геймов за 7 дней · отдых 181,0 дн. · переход да
- Zheng Wushuang
- 0 матч. / 0 геймов за 7 дней · отдых 153,0 дн. · переход нет
Serve/Return CatBoost → Markov
- Lin Yu Jun: P(очко на подаче)
- 50,54%
- Zheng Wushuang: P(очко на подаче)
- 58,41%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Lin Yu Jun: P(очко на подаче)
- 51,44%
- Zheng Wushuang: P(очко на подаче)
- 59,04%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Lin Yu Jun: P(очко на подаче)
- 51,30%
- Zheng Wushuang: P(очко на подаче)
- 58,42%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Lin Yu Jun: P(очко на подаче)
- 51,09%
- Zheng Wushuang: P(очко на подаче)
- 58,62%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Dang Yiming — Valeria Savinykh
World Tennis W100. Incheon. South Korea. Hard. Qualifying · Hard · начало 01.11.2026 05:05 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
Консенсус Research
Valeria Savinykh · 55,5%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Dang Yiming53,1% · odds 2,90 | — | — | 50% |
| Взвешенный консенсус weighted-consensus-v1-b26c0a145acaea4371cf2772 | Valeria Savinykh55,5% · odds 1,35 | не рассчитывает | не рассчитывает | 86%высокая |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Valeria Savinykh57,3% · odds 1,35 | не рассчитывает | не рассчитывает | 100%высокая |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Valeria Savinykh55,8% · odds 1,35 | не рассчитывает | не рассчитывает | 90%высокая |
| Monte Carlo monte-carlo-v2-context-20000 | Valeria Savinykh56,0% · odds 1,35 | не рассчитывает | не рассчитывает | 90%высокая |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Valeria Savinykh51,9% · odds 1,35 | не рассчитывает | не рассчитывает | 29%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Dang Yiming57,7% · odds 2,90 | не рассчитывает | не рассчитывает | 29%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Dang Yiming50,7% · odds 2,90 | не рассчитывает | не рассчитывает | 29%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Dang Yiming51,9% · odds 2,90 | не рассчитывает | не рассчитывает | 29%ограниченная |
Параметры point-level
- Dang Yiming на подаче
- 53,82%
- Valeria Savinykh на подаче
- 54,93%
- Среднее покрытия
- 54,84%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
0:229,1%1:226,8%2:122,9%2:021,2%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 16–34
- 90% диапазон разницы П1
- -7…7
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.000
- Высота
- +0.000
- Indoor
- +0.000
- P1 serve до → после
- 54,27% → 53,82%
- P2 serve до → после
- 54,93% → 54,93%
Усталость и переход покрытия
- Dang Yiming
- 0 матч. / 0 геймов за 7 дней · отдых 153,0 дн. · переход да
- Valeria Savinykh
- 0 матч. / 0 геймов за 7 дней · отдых 202,0 дн. · переход нет
Serve/Return CatBoost → Markov
- Dang Yiming: P(очко на подаче)
- 54,21%
- Valeria Savinykh: P(очко на подаче)
- 54,57%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Dang Yiming: P(очко на подаче)
- 54,73%
- Valeria Savinykh: P(очко на подаче)
- 53,27%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Dang Yiming: P(очко на подаче)
- 54,06%
- Valeria Savinykh: P(очко на подаче)
- 53,93%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Dang Yiming: P(очко на подаче)
- 54,33%
- Valeria Savinykh: P(очко на подаче)
- 53,92%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Xinran Sun — Tereza Valentova
WTA 250. Hong Kong · Hard · начало 01.11.2026 05:05 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
Консенсус Research
Tereza Valentova · 58,6%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Tereza Valentova84,2% · odds 1,30 | Меньше 20,564,5% · ожид. 19,85 | Xinran Sun +4,555,5% · ожид. -4.45451 | 50% |
| Взвешенный консенсус weighted-consensus-v1-440527c6280460044e6bc5bc | Tereza Valentova58,6% · odds 1,30 | Больше 20,561,5% · ожид. 23,54 · odds 1,80 | Xinran Sun +4,567,2% · ожид. -1.1516 · odds 1,80 | 64%средняя |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Tereza Valentova57,3% · odds 1,30 | не рассчитывает | не рассчитывает | 48%средняя |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Xinran Sun50,3% · odds 3,50 | Больше 20,566,8% · ожид. 24,24 · odds 1,80 | Xinran Sun +4,577,3% · ожид. +0.0315769 · odds 1,80 | 80%высокая |
| Monte Carlo monte-carlo-v2-context-20000 | Xinran Sun51,1% · odds 3,50 | Больше 20,565,7% · ожид. 24,13 · odds 1,80 | Xinran Sun +4,577,2% · ожид. +0.10635 · odds 1,80 | 80%высокая |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Tereza Valentova87,4% · odds 1,30 | Меньше 20,550,8% · ожид. 21,89 · odds 2,00 | Tereza Valentova -4,560,6% · ожид. -4.54876 · odds 2,00 | 27%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Tereza Valentova88,7% · odds 1,30 | Меньше 20,552,6% · ожид. 21,66 · odds 2,00 | Tereza Valentova -4,562,8% · ожид. -4.75394 · odds 2,00 | 27%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Tereza Valentova88,0% · odds 1,30 | Меньше 20,551,5% · ожид. 21,82 · odds 2,00 | Tereza Valentova -4,561,4% · ожид. -4.62611 · odds 2,00 | 27%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Tereza Valentova87,6% · odds 1,30 | Меньше 20,551,7% · ожид. 21,77 · odds 2,00 | Tereza Valentova -4,561,3% · ожид. -4.5842 · odds 2,00 | 27%ограниченная |
Параметры point-level
- Xinran Sun на подаче
- 53,30%
- Tereza Valentova на подаче
- 53,25%
- Среднее покрытия
- 54,84%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
2:025,2%2:125,1%1:224,9%0:224,8%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 16–33
- 90% диапазон разницы П1
- -7…7
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.000
- Высота
- +0.000
- Indoor
- +0.000
- P1 serve до → после
- 53,75% → 53,30%
- P2 serve до → после
- 53,70% → 53,25%
Усталость и переход покрытия
- Xinran Sun
- 0 матч. / 0 геймов за 7 дней · отдых 160,0 дн. · переход да
- Tereza Valentova
- 0 матч. / 0 геймов за 7 дней · отдых 180,0 дн. · переход да
Serve/Return CatBoost → Markov
- Xinran Sun: P(очко на подаче)
- 49,53%
- Tereza Valentova: P(очко на подаче)
- 58,11%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Xinran Sun: P(очко на подаче)
- 49,39%
- Tereza Valentova: P(очко на подаче)
- 58,48%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Xinran Sun: P(очко на подаче)
- 50,02%
- Tereza Valentova: P(очко на подаче)
- 58,85%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Xinran Sun: P(очко на подаче)
- 49,65%
- Tereza Valentova: P(очко на подаче)
- 58,48%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Wang Xin Yu — Adithya Karunaratne
WTA 250. Hong Kong · Hard · начало 01.11.2026 05:05 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
Консенсус Research
Adithya Karunaratne · 57,8%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Wang Xin Yu81,8% · odds 1,07 | Меньше 18,551,2% · ожид. 20,59 | Adithya Karunaratne +6,580,3% · ожид. +1.58815 | 50% |
| Взвешенный консенсус weighted-consensus-v1-440527c6280460044e6bc5bc | Adithya Karunaratne57,8% · odds 8,50 | Больше 18,574,6% · ожид. 23,37 · odds 1,95 | Adithya Karunaratne +6,590,5% · ожид. -0.686207 · odds 1,80 | 78%высокая |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Adithya Karunaratne59,2% · odds 8,50 | не рассчитывает | не рассчитывает | 100%высокая |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Adithya Karunaratne73,0% · odds 8,50 | Больше 18,577,3% · ожид. 23,77 · odds 1,95 | Adithya Karunaratne +6,597,3% · ожид. -2.55462 · odds 1,80 | 90%высокая |
| Monte Carlo monte-carlo-v2-context-20000 | Adithya Karunaratne72,5% · odds 8,50 | Больше 18,576,5% · ожид. 23,64 · odds 1,95 | Adithya Karunaratne +6,597,2% · ожид. -2.5632 · odds 1,80 | 90%высокая |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Wang Xin Yu77,1% · odds 1,07 | Больше 18,575,2% · ожид. 23,45 · odds 1,95 | Adithya Karunaratne +6,580,5% · ожид. +3.04432 · odds 1,80 | 35%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Wang Xin Yu86,9% · odds 1,07 | Больше 18,567,0% · ожид. 22,24 · odds 1,95 | Adithya Karunaratne +6,571,5% · ожид. +4.33694 · odds 1,80 | 35%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Wang Xin Yu88,0% · odds 1,07 | Больше 18,564,9% · ожид. 21,97 · odds 1,95 | Adithya Karunaratne +6,569,1% · ожид. +4.54923 · odds 1,80 | 35%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Wang Xin Yu84,0% · odds 1,07 | Больше 18,569,3% · ожид. 22,61 · odds 1,95 | Adithya Karunaratne +6,573,6% · ожид. +3.97745 · odds 1,80 | 35%ограниченная |
Параметры point-level
- Wang Xin Yu на подаче
- 54,73%
- Adithya Karunaratne на подаче
- 59,39%
- Среднее покрытия
- 54,84%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
0:243,4%1:229,6%2:115,3%2:011,6%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 16–33
- 90% диапазон разницы П1
- -8…6
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.000
- Высота
- +0.000
- Indoor
- +0.000
- P1 serve до → после
- 55,18% → 54,73%
- P2 serve до → после
- 59,39% → 59,39%
Усталость и переход покрытия
- Wang Xin Yu
- 0 матч. / 0 геймов за 7 дней · отдых 168,0 дн. · переход да
- Adithya Karunaratne
- 0 матч. / 0 геймов за 7 дней · отдых 174,0 дн. · переход нет
Serve/Return CatBoost → Markov
- Wang Xin Yu: P(очко на подаче)
- 59,98%
- Adithya Karunaratne: P(очко на подаче)
- 54,34%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Wang Xin Yu: P(очко на подаче)
- 61,35%
- Adithya Karunaratne: P(очко на подаче)
- 52,83%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Wang Xin Yu: P(очко на подаче)
- 60,77%
- Adithya Karunaratne: P(очко на подаче)
- 51,86%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Wang Xin Yu: P(очко на подаче)
- 60,70%
- Adithya Karunaratne: P(очко на подаче)
- 53,01%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Viktorija Golubic — Katie Boulter
WTA 250. Hong Kong · Hard · начало 01.11.2026 05:05 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
Консенсус Research
Katie Boulter · 52,6%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Viktorija Golubic53,1% · odds 2,32 | Меньше 21,553,0% · ожид. 22,45 | Viktorija Golubic +2,566,8% · ожид. +0.250363 | 50% |
| Взвешенный консенсус weighted-consensus-v1-440527c6280460044e6bc5bc | Katie Boulter52,6% · odds 1,61 | Больше 21,561,1% · ожид. 24,18 · odds 1,85 | Viktorija Golubic +2,555,6% · ожид. -0.68098 · odds 1,90 | 78%высокая |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Viktorija Golubic52,0% · odds 2,32 | не рассчитывает | не рассчитывает | 100%высокая |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Viktorija Golubic50,5% · odds 2,32 | Больше 21,562,7% · ожид. 24,40 · odds 1,85 | Viktorija Golubic +2,562,4% · ожид. +0.0525226 · odds 1,90 | 90%высокая |
| Monte Carlo monte-carlo-v2-context-20000 | Viktorija Golubic50,4% · odds 2,32 | Больше 21,562,2% · ожид. 24,31 · odds 1,85 | Viktorija Golubic +2,562,2% · ожид. +0.05745 · odds 1,90 | 90%высокая |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Katie Boulter69,8% · odds 1,61 | Больше 21,558,6% · ожид. 23,87 · odds 1,85 | Katie Boulter -2,558,1% · ожид. -2.21018 · odds 1,90 | 39%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Katie Boulter72,8% · odds 1,61 | Больше 21,557,5% · ожид. 23,75 · odds 1,85 | Katie Boulter -2,561,3% · ожид. -2.53917 · odds 1,90 | 39%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Katie Boulter70,0% · odds 1,61 | Больше 21,558,7% · ожид. 23,88 · odds 1,85 | Katie Boulter -2,558,3% · ожид. -2.22198 · odds 1,90 | 39%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Katie Boulter70,5% · odds 1,61 | Больше 21,558,2% · ожид. 23,79 · odds 1,85 | Katie Boulter -2,559,2% · ожид. -2.28245 · odds 1,90 | 39%ограниченная |
Параметры point-level
- Viktorija Golubic на подаче
- 55,64%
- Katie Boulter на подаче
- 55,55%
- Среднее покрытия
- 54,84%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
2:025,3%2:125,2%1:224,8%0:224,7%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 16–34
- 90% диапазон разницы П1
- -7…7
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.000
- Высота
- +0.000
- Indoor
- +0.000
- P1 serve до → после
- 56,09% → 55,64%
- P2 serve до → после
- 56,00% → 55,55%
Усталость и переход покрытия
- Viktorija Golubic
- 0 матч. / 0 геймов за 7 дней · отдых 174,0 дн. · переход да
- Katie Boulter
- 0 матч. / 0 геймов за 7 дней · отдых 174,0 дн. · переход да
Serve/Return CatBoost → Markov
- Viktorija Golubic: P(очко на подаче)
- 53,93%
- Katie Boulter: P(очко на подаче)
- 57,85%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Viktorija Golubic: P(очко на подаче)
- 54,40%
- Katie Boulter: P(очко на подаче)
- 58,99%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Viktorija Golubic: P(очко на подаче)
- 54,16%
- Katie Boulter: P(очко на подаче)
- 58,11%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Viktorija Golubic: P(очко на подаче)
- 54,16%
- Katie Boulter: P(очко на подаче)
- 58,32%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Venus Williams — Mary Stoiana
WTA 250. Hong Kong · Hard · начало 01.11.2026 05:05 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
Консенсус Research
Mary Stoiana · 74,5%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Mary Stoiana63,3% · odds 1,13 | Больше 19,557,1% · ожид. 22,09 | Venus Williams +5,566,8% · ожид. -2.06702 | 50% |
| Взвешенный консенсус weighted-consensus-v1-440527c6280460044e6bc5bc | Mary Stoiana74,5% · odds 1,13 | Больше 19,565,6% · ожид. 23,20 · odds 2,06 | Venus Williams +5,566,7% · ожид. -3.10448 · odds 2,10 | 62%средняя |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Mary Stoiana68,6% · odds 1,13 | не рассчитывает | не рассчитывает | 41%ограниченная |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Mary Stoiana74,2% · odds 1,13 | Больше 19,568,5% · ожид. 23,60 · odds 2,06 | Venus Williams +5,570,4% · ожид. -2.72015 · odds 2,10 | 77%высокая |
| Monte Carlo monte-carlo-v2-context-20000 | Mary Stoiana73,4% · odds 1,13 | Больше 19,568,1% · ожид. 23,53 · odds 2,06 | Venus Williams +5,570,4% · ожид. -2.6671 · odds 2,10 | 77%высокая |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Mary Stoiana86,7% · odds 1,13 | Больше 19,557,5% · ожид. 22,09 · odds 2,06 | Venus Williams +5,555,2% · ожид. -4.39695 · odds 2,10 | 23%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Mary Stoiana86,8% · odds 1,13 | Больше 19,557,6% · ожид. 22,10 · odds 2,06 | Venus Williams +5,555,3% · ожид. -4.39906 · odds 2,10 | 23%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Mary Stoiana87,6% · odds 1,13 | Больше 19,556,8% · ожид. 22,00 · odds 2,06 | Venus Williams +5,554,4% · ожид. -4.5046 · odds 2,10 | 23%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Mary Stoiana86,2% · odds 1,13 | Больше 19,557,0% · ожид. 22,05 · odds 2,06 | Venus Williams +5,554,7% · ожид. -4.39105 · odds 2,10 | 23%ограниченная |
Параметры point-level
- Venus Williams на подаче
- 53,78%
- Mary Stoiana на подаче
- 58,69%
- Среднее покрытия
- 54,84%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
0:244,6%1:229,6%2:114,8%2:011,0%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 16–33
- 90% диапазон разницы П1
- -8…6
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.000
- Высота
- +0.000
- Indoor
- +0.000
- P1 serve до → после
- 54,23% → 53,78%
- P2 serve до → после
- 59,14% → 58,69%
Усталость и переход покрытия
- Venus Williams
- 0 матч. / 0 геймов за 7 дней · отдых 194,0 дн. · переход да
- Mary Stoiana
- 0 матч. / 0 геймов за 7 дней · отдых 153,0 дн. · переход да
Serve/Return CatBoost → Markov
- Venus Williams: P(очко на подаче)
- 50,87%
- Mary Stoiana: P(очко на подаче)
- 59,23%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Venus Williams: P(очко на подаче)
- 51,17%
- Mary Stoiana: P(очко на подаче)
- 59,57%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Venus Williams: P(очко на подаче)
- 51,42%
- Mary Stoiana: P(очко на подаче)
- 60,14%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Venus Williams: P(очко на подаче)
- 51,15%
- Mary Stoiana: P(очко на подаче)
- 59,64%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Talia Gibson — Oleksandra Oliynykova
WTA 250. Hong Kong · Hard · начало 01.11.2026 05:05 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
Консенсус Research
Talia Gibson · 63,0%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Talia Gibson64,7% · odds 1,14 | Больше 19,550,7% · ожид. 21,48 | Oleksandra Oliynykova +5,574,0% · ожид. +1.0647 | 50% |
| Взвешенный консенсус weighted-consensus-v1-440527c6280460044e6bc5bc | Talia Gibson63,0% · odds 1,14 | Больше 19,572,9% · ожид. 24,27 · odds 2,00 | Oleksandra Oliynykova +5,579,9% · ожид. +1.23907 · odds 2,00 | 75%средняя |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Talia Gibson65,6% · odds 1,14 | не рассчитывает | не рассчитывает | 83%высокая |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Talia Gibson57,3% · odds 1,14 | Больше 19,574,2% · ожид. 24,42 · odds 2,00 | Oleksandra Oliynykova +5,582,5% · ожид. +0.798137 · odds 2,00 | 90%высокая |
| Monte Carlo monte-carlo-v2-context-20000 | Talia Gibson57,9% · odds 1,14 | Больше 19,572,9% · ожид. 24,32 · odds 2,00 | Oleksandra Oliynykova +5,581,6% · ожид. +0.84755 · odds 2,00 | 90%высокая |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Talia Gibson66,0% · odds 1,14 | Больше 19,572,6% · ожид. 24,20 · odds 2,00 | Oleksandra Oliynykova +5,577,5% · ожид. +1.74416 · odds 2,00 | 39%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Talia Gibson69,9% · odds 1,14 | Больше 19,572,2% · ожид. 24,16 · odds 2,00 | Oleksandra Oliynykova +5,576,0% · ожид. +2.14984 · odds 2,00 | 39%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Talia Gibson73,2% · odds 1,14 | Больше 19,570,0% · ожид. 23,82 · odds 2,00 | Oleksandra Oliynykova +5,572,4% · ожид. +2.56223 · odds 2,00 | 39%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Talia Gibson69,7% · odds 1,14 | Больше 19,571,0% · ожид. 23,98 · odds 2,00 | Oleksandra Oliynykova +5,574,7% · ожид. +2.19025 · odds 2,00 | 39%ограниченная |
Параметры point-level
- Talia Gibson на подаче
- 57,32%
- Oleksandra Oliynykova на подаче
- 55,92%
- Среднее покрытия
- 54,84%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
2:030,1%2:127,2%1:222,3%0:220,3%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 16–34
- 90% диапазон разницы П1
- -7…8
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.000
- Высота
- +0.000
- Indoor
- +0.000
- P1 serve до → после
- 57,77% → 57,32%
- P2 serve до → после
- 56,37% → 55,92%
Усталость и переход покрытия
- Talia Gibson
- 0 матч. / 0 геймов за 7 дней · отдых 153,0 дн. · переход да
- Oleksandra Oliynykova
- 0 матч. / 0 геймов за 7 дней · отдых 168,0 дн. · переход да
Serve/Return CatBoost → Markov
- Talia Gibson: P(очко на подаче)
- 58,72%
- Oleksandra Oliynykova: P(очко на подаче)
- 55,60%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Talia Gibson: P(очко на подаче)
- 60,56%
- Oleksandra Oliynykova: P(очко на подаче)
- 56,56%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Talia Gibson: P(очко на подаче)
- 59,95%
- Oleksandra Oliynykova: P(очко на подаче)
- 55,24%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Talia Gibson: P(очко на подаче)
- 59,75%
- Oleksandra Oliynykova: P(очко на подаче)
- 55,80%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Sorana Cirstea — Maria Timofeeva
WTA 250. Hong Kong · Hard · начало 01.11.2026 05:05 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
Консенсус Research
Sorana Cirstea · 63,5%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Sorana Cirstea73,8% · odds 1,23 | Меньше 20,554,6% · ожид. 21,40 | Sorana Cirstea -4,557,5% · ожид. +2.91798 | 50% |
| Взвешенный консенсус weighted-consensus-v1-440527c6280460044e6bc5bc | Sorana Cirstea63,5% · odds 1,23 | Больше 20,563,8% · ожид. 23,89 · odds 2,00 | Maria Timofeeva +4,566,3% · ожид. +1.55755 · odds 1,95 | 78%высокая |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Sorana Cirstea63,6% · odds 1,23 | не рассчитывает | не рассчитывает | 100%высокая |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Sorana Cirstea54,9% · odds 1,23 | Больше 20,567,6% · ожид. 24,41 · odds 2,00 | Maria Timofeeva +4,574,7% · ожид. +0.535427 · odds 1,95 | 90%высокая |
| Monte Carlo monte-carlo-v2-context-20000 | Sorana Cirstea55,3% · odds 1,23 | Больше 20,567,6% · ожид. 24,40 · odds 2,00 | Maria Timofeeva +4,574,1% · ожид. +0.60495 · odds 1,95 | 90%высокая |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Sorana Cirstea81,2% · odds 1,23 | Больше 20,556,9% · ожид. 22,97 · odds 2,00 | Maria Timofeeva +4,550,0% · ожид. +3.57533 · odds 1,95 | 39%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Sorana Cirstea81,8% · odds 1,23 | Больше 20,556,0% · ожид. 22,84 · odds 2,00 | Sorana Cirstea -4,551,3% · ожид. +3.6875 · odds 1,85 | 39%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Sorana Cirstea84,5% · odds 1,23 | Больше 20,553,7% · ожид. 22,54 · odds 2,00 | Sorana Cirstea -4,554,6% · ожид. +4.027 · odds 1,85 | 39%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Sorana Cirstea81,9% · odds 1,23 | Больше 20,555,7% · ожид. 22,81 · odds 2,00 | Sorana Cirstea -4,551,2% · ожид. +3.70265 · odds 1,85 | 39%ограниченная |
Параметры point-level
- Sorana Cirstea на подаче
- 56,56%
- Maria Timofeeva на подаче
- 55,63%
- Среднее покрытия
- 54,84%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
2:028,4%2:126,5%1:223,3%0:221,8%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 16–34
- 90% диапазон разницы П1
- -7…7
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.000
- Высота
- +0.000
- Indoor
- +0.000
- P1 serve до → после
- 57,01% → 56,56%
- P2 serve до → после
- 56,08% → 55,63%
Усталость и переход покрытия
- Sorana Cirstea
- 0 матч. / 0 геймов за 7 дней · отдых 180,0 дн. · переход да
- Maria Timofeeva
- 0 матч. / 0 геймов за 7 дней · отдых 152,0 дн. · переход да
Serve/Return CatBoost → Markov
- Sorana Cirstea: P(очко на подаче)
- 59,90%
- Maria Timofeeva: P(очко на подаче)
- 53,21%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Sorana Cirstea: P(очко на подаче)
- 59,35%
- Maria Timofeeva: P(очко на подаче)
- 52,49%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Sorana Cirstea: P(очко на подаче)
- 60,22%
- Maria Timofeeva: P(очко на подаче)
- 52,55%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Sorana Cirstea: P(очко на подаче)
- 59,82%
- Maria Timofeeva: P(очко на подаче)
- 52,75%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Maddison Inglis — Maya Joint
WTA 250. Hong Kong · Hard · начало 01.11.2026 05:05 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
Консенсус Research
Maya Joint · 51,7%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Maya Joint68,3% · odds 1,23 | Меньше 20,559,9% · ожид. 20,89 | Maddison Inglis +4,553,1% · ожид. -2.88887 | 50% |
| Взвешенный консенсус weighted-consensus-v1-440527c6280460044e6bc5bc | Maya Joint51,7% · odds 1,23 | Больше 20,566,6% · ожид. 24,28 · odds 1,93 | Maddison Inglis +4,572,9% · ожид. -0.732952 · odds 2,00 | 78%высокая |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Maddison Inglis54,6% · odds 4,20 | не рассчитывает | не рассчитывает | 100%высокая |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Maya Joint50,2% · odds 1,23 | Больше 20,568,3% · ожид. 24,52 · odds 1,93 | Maddison Inglis +4,578,3% · ожид. -0.0255727 · odds 2,00 | 90%высокая |
| Monte Carlo monte-carlo-v2-context-20000 | Maddison Inglis50,1% · odds 4,20 | Больше 20,567,8% · ожид. 24,43 · odds 1,93 | Maddison Inglis +4,578,0% · ожид. +0.01175 · odds 2,00 | 90%высокая |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Maya Joint70,3% · odds 1,23 | Больше 20,563,7% · ожид. 23,89 · odds 1,93 | Maddison Inglis +4,562,0% · ожид. -2.26037 · odds 2,00 | 39%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Maya Joint71,7% · odds 1,23 | Больше 20,563,3% · ожид. 23,84 · odds 1,93 | Maddison Inglis +4,560,9% · ожид. -2.40784 · odds 2,00 | 39%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Maya Joint71,5% · odds 1,23 | Больше 20,563,4% · ожид. 23,85 · odds 1,93 | Maddison Inglis +4,561,1% · ожид. -2.38028 · odds 2,00 | 39%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Maya Joint70,8% · odds 1,23 | Больше 20,563,1% · ожид. 23,80 · odds 1,93 | Maddison Inglis +4,561,1% · ожид. -2.32655 · odds 2,00 | 39%ограниченная |
Параметры point-level
- Maddison Inglis на подаче
- 56,87%
- Maya Joint на подаче
- 56,92%
- Среднее покрытия
- 54,84%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
0:225,2%1:225,1%2:124,9%2:024,8%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 16–34
- 90% диапазон разницы П1
- -7…7
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.000
- Высота
- +0.000
- Indoor
- +0.000
- P1 serve до → после
- 57,32% → 56,87%
- P2 serve до → после
- 57,37% → 56,92%
Усталость и переход покрытия
- Maddison Inglis
- 0 матч. / 0 геймов за 7 дней · отдых 153,0 дн. · переход да
- Maya Joint
- 0 матч. / 0 геймов за 7 дней · отдых 152,0 дн. · переход да
Serve/Return CatBoost → Markov
- Maddison Inglis: P(очко на подаче)
- 54,41%
- Maya Joint: P(очко на подаче)
- 58,45%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Maddison Inglis: P(очко на подаче)
- 54,67%
- Maya Joint: P(очко на подаче)
- 59,03%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Maddison Inglis: P(очко на подаче)
- 54,64%
- Maya Joint: P(очко на подаче)
- 58,94%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Maddison Inglis: P(очко на подаче)
- 54,57%
- Maya Joint: P(очко на подаче)
- 58,80%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Leylah Annie Fernandez — Sofia Kenin
WTA 250. Hong Kong · Hard · начало 01.11.2026 05:05 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
Консенсус Research
Leylah Annie Fernandez · 68,2%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Leylah Annie Fernandez88,4% · odds 1,30 | Меньше 20,565,2% · ожид. 20,15 | Leylah Annie Fernandez -4,571,1% · ожид. +4.82534 | 50% |
| Взвешенный консенсус weighted-consensus-v1-440527c6280460044e6bc5bc | Leylah Annie Fernandez68,2% · odds 1,30 | Больше 20,563,3% · ожид. 23,89 · odds 1,88 | Sofia Kenin +4,561,2% · ожид. +2.44802 · odds 1,80 | 78%высокая |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Leylah Annie Fernandez62,9% · odds 1,30 | не рассчитывает | не рассчитывает | 100%высокая |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Leylah Annie Fernandez67,9% · odds 1,30 | Больше 20,566,6% · ожид. 24,36 · odds 1,88 | Sofia Kenin +4,566,5% · ожид. +1.90964 · odds 1,80 | 90%высокая |
| Monte Carlo monte-carlo-v2-context-20000 | Leylah Annie Fernandez68,0% · odds 1,30 | Больше 20,566,2% · ожид. 24,28 · odds 1,88 | Sofia Kenin +4,566,3% · ожид. +1.89955 · odds 1,80 | 90%высокая |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Leylah Annie Fernandez79,4% · odds 1,30 | Больше 20,559,0% · ожид. 23,28 · odds 1,88 | Sofia Kenin +4,553,1% · ожид. +3.30316 · odds 1,80 | 39%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Leylah Annie Fernandez84,0% · odds 1,30 | Больше 20,555,4% · ожид. 22,81 · odds 1,88 | Leylah Annie Fernandez -4,552,3% · ожид. +3.87156 · odds 2,00 | 39%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Leylah Annie Fernandez83,2% · odds 1,30 | Больше 20,555,8% · ожид. 22,85 · odds 1,88 | Leylah Annie Fernandez -4,551,7% · ожид. +3.78923 · odds 2,00 | 39%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Leylah Annie Fernandez81,9% · odds 1,30 | Больше 20,556,5% · ожид. 22,96 · odds 1,88 | Leylah Annie Fernandez -4,550,3% · ожид. +3.64635 · odds 2,00 | 39%ограниченная |
Параметры point-level
- Leylah Annie Fernandez на подаче
- 61,03%
- Sofia Kenin на подаче
- 57,44%
- Среднее покрытия
- 54,84%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
2:038,7%2:129,2%1:217,8%0:214,3%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 16–34
- 90% диапазон разницы П1
- -6…8
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.000
- Высота
- +0.000
- Indoor
- +0.000
- P1 serve до → после
- 61,48% → 61,03%
- P2 serve до → после
- 57,89% → 57,44%
Усталость и переход покрытия
- Leylah Annie Fernandez
- 0 матч. / 0 геймов за 7 дней · отдых 168,0 дн. · переход да
- Sofia Kenin
- 0 матч. / 0 геймов за 7 дней · отдых 168,0 дн. · переход да
Serve/Return CatBoost → Markov
- Leylah Annie Fernandez: P(очко на подаче)
- 60,68%
- Sofia Kenin: P(очко на подаче)
- 54,44%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Leylah Annie Fernandez: P(очко на подаче)
- 62,05%
- Sofia Kenin: P(очко на подаче)
- 54,44%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Leylah Annie Fernandez: P(очко на подаче)
- 61,36%
- Sofia Kenin: P(очко на подаче)
- 54,04%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Leylah Annie Fernandez: P(очко на подаче)
- 61,37%
- Sofia Kenin: P(очко на подаче)
- 54,31%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Kaitlin Quevedo — Paula Badosa
WTA 250. Hong Kong · Hard · начало 01.11.2026 05:05 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
Консенсус Research
Paula Badosa · 53,4%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Kaitlin Quevedo51,6% · odds 2,80 | Меньше 21,556,0% · ожид. 22,01 | Kaitlin Quevedo +3,551,9% · ожид. -0.289203 | 50% |
| Взвешенный консенсус weighted-consensus-v1-440527c6280460044e6bc5bc | Paula Badosa53,4% · odds 1,44 | Больше 21,562,6% · ожид. 24,43 · odds 2,00 | Kaitlin Quevedo +3,564,1% · ожид. -0.661821 · odds 1,90 | 78%высокая |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Paula Badosa50,1% · odds 1,44 | не рассчитывает | не рассчитывает | 100%высокая |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Paula Badosa53,5% · odds 1,44 | Больше 21,563,2% · ожид. 24,51 · odds 2,00 | Kaitlin Quevedo +3,566,6% · ожид. -0.378134 · odds 1,90 | 90%высокая |
| Monte Carlo monte-carlo-v2-context-20000 | Paula Badosa53,2% · odds 1,44 | Больше 21,562,4% · ожид. 24,40 · odds 2,00 | Kaitlin Quevedo +3,566,2% · ожид. -0.3566 · odds 1,90 | 90%высокая |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Paula Badosa60,4% · odds 1,44 | Больше 21,562,4% · ожид. 24,40 · odds 2,00 | Kaitlin Quevedo +3,560,5% · ожид. -1.12787 · odds 1,90 | 39%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Paula Badosa62,8% · odds 1,44 | Больше 21,562,1% · ожид. 24,39 · odds 2,00 | Kaitlin Quevedo +3,558,4% · ожид. -1.38384 · odds 1,90 | 39%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Paula Badosa63,8% · odds 1,44 | Больше 21,561,6% · ожид. 24,31 · odds 2,00 | Kaitlin Quevedo +3,557,2% · ожид. -1.50258 · odds 1,90 | 39%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Paula Badosa61,5% · odds 1,44 | Больше 21,561,9% · ожид. 24,34 · odds 2,00 | Kaitlin Quevedo +3,559,3% · ожид. -1.245 · odds 1,90 | 39%ограниченная |
Параметры point-level
- Kaitlin Quevedo на подаче
- 56,62%
- Paula Badosa на подаче
- 57,28%
- Среднее покрытия
- 54,84%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
0:227,4%1:226,1%2:123,8%2:022,7%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 16–34
- 90% диапазон разницы П1
- -7…7
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.000
- Высота
- +0.000
- Indoor
- +0.000
- P1 serve до → после
- 57,07% → 56,62%
- P2 serve до → после
- 57,73% → 57,28%
Усталость и переход покрытия
- Kaitlin Quevedo
- 0 матч. / 0 геймов за 7 дней · отдых 181,0 дн. · переход да
- Paula Badosa
- 0 матч. / 0 геймов за 7 дней · отдых 194,0 дн. · переход да
Serve/Return CatBoost → Markov
- Kaitlin Quevedo: P(очко на подаче)
- 56,15%
- Paula Badosa: P(очко на подаче)
- 58,15%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Kaitlin Quevedo: P(очко на подаче)
- 56,48%
- Paula Badosa: P(очко на подаче)
- 58,97%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Kaitlin Quevedo: P(очко на подаче)
- 56,02%
- Paula Badosa: P(очко на подаче)
- 58,71%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Kaitlin Quevedo: P(очко на подаче)
- 56,22%
- Paula Badosa: P(очко на подаче)
- 58,61%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Dayana Yastremska — Zeynep Sonmez
WTA 250. Hong Kong · Hard · начало 01.11.2026 05:05 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
Консенсус Research
Zeynep Sonmez · 53,0%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Zeynep Sonmez58,3% · odds 1,95 | — | — | 50% |
| Взвешенный консенсус weighted-consensus-v1-440527c6280460044e6bc5bc | Zeynep Sonmez53,0% · odds 1,95 | не рассчитывает | не рассчитывает | 85%высокая |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Zeynep Sonmez53,5% · odds 1,95 | не рассчитывает | не рассчитывает | 100%высокая |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Zeynep Sonmez57,0% · odds 1,95 | не рассчитывает | не рассчитывает | 90%высокая |
| Monte Carlo monte-carlo-v2-context-20000 | Zeynep Sonmez57,1% · odds 1,95 | не рассчитывает | не рассчитывает | 90%высокая |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Dayana Yastremska54,1% · odds 1,85 | не рассчитывает | не рассчитывает | 39%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Dayana Yastremska59,5% · odds 1,85 | не рассчитывает | не рассчитывает | 39%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Dayana Yastremska58,5% · odds 1,85 | не рассчитывает | не рассчитывает | 39%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Dayana Yastremska57,1% · odds 1,85 | не рассчитывает | не рассчитывает | 39%ограниченная |
Параметры point-level
- Dayana Yastremska на подаче
- 54,66%
- Zeynep Sonmez на подаче
- 55,98%
- Среднее покрытия
- 54,84%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
0:229,9%1:227,1%2:122,5%2:020,6%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 16–34
- 90% диапазон разницы П1
- -8…7
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.000
- Высота
- +0.000
- Indoor
- +0.000
- P1 serve до → после
- 55,11% → 54,66%
- P2 serve до → после
- 56,43% → 55,98%
Усталость и переход покрытия
- Dayana Yastremska
- 0 матч. / 0 геймов за 7 дней · отдых 174,0 дн. · переход да
- Zeynep Sonmez
- 0 матч. / 0 геймов за 7 дней · отдых 180,0 дн. · переход да
Serve/Return CatBoost → Markov
- Dayana Yastremska: P(очко на подаче)
- 55,34%
- Zeynep Sonmez: P(очко на подаче)
- 54,57%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Dayana Yastremska: P(очко на подаче)
- 56,38%
- Zeynep Sonmez: P(очко на подаче)
- 54,57%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Dayana Yastremska: P(очко на подаче)
- 55,84%
- Zeynep Sonmez: P(очко на подаче)
- 54,22%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Dayana Yastremska: P(очко на подаче)
- 55,85%
- Zeynep Sonmez: P(очко на подаче)
- 54,45%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Antonia Ruzic — Alina Charaeva
WTA 250. Hong Kong · Hard · начало 01.11.2026 05:05 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
Консенсус Research
Antonia Ruzic · 60,8%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Alina Charaeva54,9% · odds 1,73 | Меньше 21,559,3% · ожид. 21,74 | Antonia Ruzic +1,553,7% · ожид. +0.5234 | 50% |
| Взвешенный консенсус weighted-consensus-v1-440527c6280460044e6bc5bc | Antonia Ruzic60,8% · odds 2,10 | Больше 21,559,0% · ожид. 23,93 · odds 1,85 | Antonia Ruzic +1,571,3% · ожид. +1.75048 · odds 1,90 | 78%высокая |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Antonia Ruzic54,8% · odds 2,10 | не рассчитывает | не рассчитывает | 100%высокая |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Antonia Ruzic59,6% · odds 2,10 | Больше 21,561,9% · ожид. 24,31 · odds 1,85 | Antonia Ruzic +1,565,9% · ожид. +1.05041 · odds 1,90 | 90%высокая |
| Monte Carlo monte-carlo-v2-context-20000 | Antonia Ruzic59,6% · odds 2,10 | Больше 21,561,4% · ожид. 24,23 · odds 1,85 | Antonia Ruzic +1,565,9% · ожид. +1.08005 · odds 1,90 | 90%высокая |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Antonia Ruzic80,6% · odds 2,10 | Больше 21,551,8% · ожид. 22,97 · odds 1,85 | Antonia Ruzic +1,585,0% · ожид. +3.52749 · odds 1,90 | 39%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Antonia Ruzic77,6% · odds 2,10 | Больше 21,554,3% · ожид. 23,31 · odds 1,85 | Antonia Ruzic +1,582,4% · ожид. +3.13829 · odds 1,90 | 39%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Antonia Ruzic77,9% · odds 2,10 | Больше 21,554,0% · ожид. 23,26 · odds 1,85 | Antonia Ruzic +1,582,7% · ожид. +3.18156 · odds 1,90 | 39%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Antonia Ruzic77,9% · odds 2,10 | Больше 21,553,5% · ожид. 23,20 · odds 1,85 | Antonia Ruzic +1,582,7% · ожид. +3.23585 · odds 1,90 | 39%ограниченная |
Параметры point-level
- Antonia Ruzic на подаче
- 56,94%
- Alina Charaeva на подаче
- 55,11%
- Среднее покрытия
- 54,84%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
2:031,8%2:127,7%1:221,4%0:219,0%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 16–34
- 90% диапазон разницы П1
- -7…8
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.000
- Высота
- +0.000
- Indoor
- +0.000
- P1 serve до → после
- 57,39% → 56,94%
- P2 serve до → после
- 55,56% → 55,11%
Усталость и переход покрытия
- Antonia Ruzic
- 0 матч. / 0 геймов за 7 дней · отдых 168,0 дн. · переход да
- Alina Charaeva
- 0 матч. / 0 геймов за 7 дней · отдых 153,0 дн. · переход да
Serve/Return CatBoost → Markov
- Antonia Ruzic: P(очко на подаче)
- 59,05%
- Alina Charaeva: P(очко на подаче)
- 52,55%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Antonia Ruzic: P(очко на подаче)
- 59,07%
- Alina Charaeva: P(очко на подаче)
- 53,33%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Antonia Ruzic: P(очко на подаче)
- 58,84%
- Alina Charaeva: P(очко на подаче)
- 53,04%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Antonia Ruzic: P(очко на подаче)
- 58,99%
- Alina Charaeva: P(очко на подаче)
- 52,97%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Alycia Parks — Alexandra Eala
WTA 250. Hong Kong · Hard · начало 01.11.2026 05:05 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
Консенсус Research
Alexandra Eala · 62,3%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Alexandra Eala84,3% · odds 1,20 | Меньше 20,561,2% · ожид. 20,87 | Alexandra Eala -4,560,4% · ожид. -4.11695 | 50% |
| Взвешенный консенсус weighted-consensus-v1-440527c6280460044e6bc5bc | Alexandra Eala62,3% · odds 1,20 | Больше 20,565,3% · ожид. 24,10 · odds 1,95 | Alycia Parks +4,566,7% · ожид. -1.65619 · odds 2,10 | 78%высокая |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Alexandra Eala58,8% · odds 1,20 | не рассчитывает | не рассчитывает | 100%высокая |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Alexandra Eala61,9% · odds 1,20 | Больше 20,566,8% · ожид. 24,30 · odds 1,95 | Alycia Parks +4,569,7% · ожид. -1.29658 · odds 2,10 | 90%высокая |
| Monte Carlo monte-carlo-v2-context-20000 | Alexandra Eala62,3% · odds 1,20 | Больше 20,566,4% · ожид. 24,25 · odds 1,95 | Alycia Parks +4,569,4% · ожид. -1.33105 · odds 2,10 | 90%высокая |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Alexandra Eala76,7% · odds 1,20 | Больше 20,560,0% · ожид. 23,37 · odds 1,95 | Alycia Parks +4,555,0% · ожид. -3.03139 · odds 2,10 | 39%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Alexandra Eala64,7% · odds 1,20 | Больше 20,565,9% · ожид. 24,18 · odds 1,95 | Alycia Parks +4,567,2% · ожид. -1.61307 · odds 2,10 | 39%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Alexandra Eala73,2% · odds 1,20 | Больше 20,562,1% · ожид. 23,65 · odds 1,95 | Alycia Parks +4,558,8% · ожид. -2.60723 · odds 2,10 | 39%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Alexandra Eala71,4% · odds 1,20 | Больше 20,562,6% · ожид. 23,72 · odds 1,95 | Alycia Parks +4,560,5% · ожид. -2.4126 · odds 2,10 | 39%ограниченная |
Параметры point-level
- Alycia Parks на подаче
- 55,50%
- Alexandra Eala на подаче
- 57,78%
- Среднее покрытия
- 54,84%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
0:233,6%1:228,2%2:120,5%2:017,7%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 16–34
- 90% диапазон разницы П1
- -8…6
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.000
- Высота
- +0.000
- Indoor
- +0.000
- P1 serve до → после
- 55,95% → 55,50%
- P2 serve до → после
- 58,23% → 57,78%
Усталость и переход покрытия
- Alycia Parks
- 0 матч. / 0 геймов за 7 дней · отдых 167,0 дн. · переход да
- Alexandra Eala
- 0 матч. / 0 геймов за 7 дней · отдых 153,0 дн. · переход да
Serve/Return CatBoost → Markov
- Alycia Parks: P(очко на подаче)
- 53,29%
- Alexandra Eala: P(очко на подаче)
- 58,80%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Alycia Parks: P(очко на подаче)
- 54,98%
- Alexandra Eala: P(очко на подаче)
- 57,83%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Alycia Parks: P(очко на подаче)
- 53,55%
- Alexandra Eala: P(очко на подаче)
- 58,22%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Alycia Parks: P(очко на подаче)
- 53,94%
- Alexandra Eala: P(очко на подаче)
- 58,28%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Tatiana Prozorova — Mika Stojsavljevic
WTA 250. Hong Kong. Hard. Qualifying · Hard · начало 01.11.2026 05:05 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
Консенсус Research
Tatiana Prozorova · 62,2%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Tatiana Prozorova72,6% · odds 1,20 | Меньше 20,550,3% · ожид. 22,39 | Mika Stojsavljevic +4,554,3% · ожид. +2.98184 | 50% |
| Взвешенный консенсус weighted-consensus-v1-d6ce2ec529ee4e74ea30b94e | Tatiana Prozorova62,2% · odds 1,20 | Больше 20,566,9% · ожид. 24,36 · odds 1,90 | Mika Stojsavljevic +4,568,9% · ожид. +1.47121 · odds 2,00 | 78%высокая |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Tatiana Prozorova60,6% · odds 1,20 | не рассчитывает | не рассчитывает | 100%высокая |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Tatiana Prozorova65,1% · odds 1,20 | Больше 20,566,7% · ожид. 24,34 · odds 1,90 | Mika Stojsavljevic +4,567,9% · ожид. +1.62642 · odds 2,00 | 90%высокая |
| Monte Carlo monte-carlo-v2-context-20000 | Tatiana Prozorova64,6% · odds 1,20 | Больше 20,566,1% · ожид. 24,26 · odds 1,90 | Mika Stojsavljevic +4,567,4% · ожид. +1.6274 · odds 2,00 | 90%высокая |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Tatiana Prozorova61,7% · odds 1,20 | Больше 20,567,2% · ожид. 24,39 · odds 1,90 | Mika Stojsavljevic +4,570,3% · ожид. +1.27112 · odds 2,00 | 37%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Tatiana Prozorova61,6% · odds 1,20 | Больше 20,568,0% · ожид. 24,53 · odds 1,90 | Mika Stojsavljevic +4,571,1% · ожид. +1.238 · odds 2,00 | 38%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Tatiana Prozorova57,8% · odds 1,20 | Больше 20,568,4% · ожид. 24,58 · odds 1,90 | Mika Stojsavljevic +4,573,7% · ожид. +0.833776 · odds 2,00 | 38%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Tatiana Prozorova60,5% · odds 1,20 | Больше 20,567,8% · ожид. 24,45 · odds 1,90 | Mika Stojsavljevic +4,571,4% · ожид. +1.10785 · odds 2,00 | 38%ограниченная |
Параметры point-level
- Tatiana Prozorova на подаче
- 59,53%
- Mika Stojsavljevic на подаче
- 56,58%
- Среднее покрытия
- 54,84%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
2:036,2%2:128,8%1:219,1%0:215,8%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 16–34
- 90% диапазон разницы П1
- -6…8
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.000
- Высота
- +0.000
- Indoor
- +0.000
- P1 serve до → после
- 59,98% → 59,53%
- P2 serve до → после
- 57,03% → 56,58%
Усталость и переход покрытия
- Tatiana Prozorova
- 0 матч. / 0 геймов за 7 дней · отдых 153,0 дн. · переход да
- Mika Stojsavljevic
- 0 матч. / 0 геймов за 7 дней · отдых 153,0 дн. · переход да
Serve/Return CatBoost → Markov
- Tatiana Prozorova: P(очко на подаче)
- 58,57%
- Mika Stojsavljevic: P(очко на подаче)
- 56,30%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Tatiana Prozorova: P(очко на подаче)
- 59,62%
- Mika Stojsavljevic: P(очко на подаче)
- 57,36%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Tatiana Prozorova: P(очко на подаче)
- 58,81%
- Mika Stojsavljevic: P(очко на подаче)
- 57,31%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Tatiana Prozorova: P(очко на подаче)
- 59,00%
- Mika Stojsavljevic: P(очко на подаче)
- 56,99%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Aliaksandra Sasnovich — Carol Young Suh Lee
WTA 250. Hong Kong. Hard. Qualifying · Hard · начало 01.11.2026 05:05 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
Консенсус Research
Carol Young Suh Lee · 60,7%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Aliaksandra Sasnovich53,3% · odds 1,28 | Меньше 20,550,3% · ожид. 22,07 | Carol Young Suh Lee +4,566,1% · ожид. +1.47738 | 50% |
| Взвешенный консенсус weighted-consensus-v1-d6ce2ec529ee4e74ea30b94e | Carol Young Suh Lee60,7% · odds 3,50 | Больше 20,565,4% · ожид. 24,11 · odds 1,95 | Carol Young Suh Lee +4,585,4% · ожид. -1.40056 · odds 1,81 | 78%высокая |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Carol Young Suh Lee58,2% · odds 3,50 | не рассчитывает | не рассчитывает | 100%высокая |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Carol Young Suh Lee68,3% · odds 3,50 | Больше 20,564,4% · ожид. 23,97 · odds 1,95 | Carol Young Suh Lee +4,588,5% · ожид. -2.03842 · odds 1,81 | 90%высокая |
| Monte Carlo monte-carlo-v2-context-20000 | Carol Young Suh Lee68,3% · odds 3,50 | Больше 20,563,7% · ожид. 23,89 · odds 1,95 | Carol Young Suh Lee +4,588,6% · ожид. -2.05005 · odds 1,81 | 90%высокая |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Aliaksandra Sasnovich54,2% · odds 1,28 | Больше 20,568,0% · ожид. 24,47 · odds 1,95 | Carol Young Suh Lee +4,575,5% · ожид. +0.45229 · odds 1,81 | 39%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Aliaksandra Sasnovich50,7% · odds 1,28 | Больше 20,568,4% · ожид. 24,54 · odds 1,95 | Carol Young Suh Lee +4,578,1% · ожид. +0.0796318 · odds 1,81 | 39%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Carol Young Suh Lee54,1% · odds 3,50 | Больше 20,568,2% · ожид. 24,52 · odds 1,95 | Carol Young Suh Lee +4,581,1% · ожид. -0.448155 · odds 1,81 | 39%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Aliaksandra Sasnovich50,2% · odds 1,28 | Больше 20,568,5% · ожид. 24,49 · odds 1,95 | Carol Young Suh Lee +4,578,4% · ожид. +0.0192 · odds 1,81 | 39%ограниченная |
Параметры point-level
- Aliaksandra Sasnovich на подаче
- 54,28%
- Carol Young Suh Lee на подаче
- 57,88%
- Среднее покрытия
- 54,84%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
0:239,1%1:229,3%2:117,6%2:014,1%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 16–33
- 90% диапазон разницы П1
- -8…6
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.000
- Высота
- +0.000
- Indoor
- +0.000
- P1 serve до → после
- 54,73% → 54,28%
- P2 serve до → после
- 58,33% → 57,88%
Усталость и переход покрытия
- Aliaksandra Sasnovich
- 0 матч. / 0 геймов за 7 дней · отдых 174,0 дн. · переход да
- Carol Young Suh Lee
- 0 матч. / 0 геймов за 7 дней · отдых 174,0 дн. · переход да
Serve/Return CatBoost → Markov
- Aliaksandra Sasnovich: P(очко на подаче)
- 56,99%
- Carol Young Suh Lee: P(очко на подаче)
- 56,20%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Aliaksandra Sasnovich: P(очко на подаче)
- 57,16%
- Carol Young Suh Lee: P(очко на подаче)
- 57,02%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Aliaksandra Sasnovich: P(очко на подаче)
- 56,66%
- Carol Young Suh Lee: P(очко на подаче)
- 57,45%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Aliaksandra Sasnovich: P(очко на подаче)
- 56,94%
- Carol Young Suh Lee: P(очко на подаче)
- 56,89%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Leylah Annie Fernandez — Diana Shnaider
WTA 500. Tokyo. Japan. Hard. Final · Hard · начало 01.11.2026 06:05 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
Консенсус Research
Diana Shnaider · 52,5%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Diana Shnaider57,8% · odds 1,63 | Меньше 21,554,6% · ожид. 22,14 | Diana Shnaider -2,555,2% · ожид. -1.67495 | 50% |
| Взвешенный консенсус weighted-consensus-v1-b5ae7ee7fc32cb0d798eb6d5 | Diana Shnaider52,5% · odds 1,63 | Больше 21,563,9% · ожид. 24,64 · odds 1,85 | Leylah Annie Fernandez +2,559,3% · ожид. -0.369987 · odds 1,90 | 78%высокая |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Diana Shnaider51,4% · odds 1,63 | не рассчитывает | не рассчитывает | 100%высокая |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Diana Shnaider51,5% · odds 1,63 | Больше 21,564,3% · ожид. 24,72 · odds 1,85 | Leylah Annie Fernandez +2,561,2% · ожид. -0.154152 · odds 1,90 | 90%высокая |
| Monte Carlo monte-carlo-v2-context-20000 | Diana Shnaider51,1% · odds 1,63 | Больше 21,564,2% · ожид. 24,65 · odds 1,85 | Leylah Annie Fernandez +2,561,4% · ожид. -0.1462 · odds 1,90 | 90%высокая |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Diana Shnaider54,8% · odds 1,63 | Больше 21,563,8% · ожид. 24,63 · odds 1,85 | Leylah Annie Fernandez +2,557,9% · ожид. -0.516282 · odds 1,90 | 39%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Diana Shnaider57,3% · odds 1,63 | Больше 21,563,6% · ожид. 24,62 · odds 1,85 | Leylah Annie Fernandez +2,555,5% · ожид. -0.773992 · odds 1,90 | 39%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Diana Shnaider62,0% · odds 1,63 | Больше 21,562,3% · ожид. 24,42 · odds 1,85 | Leylah Annie Fernandez +2,550,6% · ожид. -1.2974 · odds 1,90 | 39%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Diana Shnaider57,9% · odds 1,63 | Больше 21,563,3% · ожид. 24,57 · odds 1,85 | Leylah Annie Fernandez +2,555,1% · ожид. -0.8427 · odds 1,90 | 39%ограниченная |
Параметры point-level
- Leylah Annie Fernandez на подаче
- 58,38%
- Diana Shnaider на подаче
- 58,66%
- Среднее покрытия
- 54,84%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
0:226,0%1:225,5%2:124,5%2:024,0%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 16–34
- 90% диапазон разницы П1
- -7…7
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.000
- Высота
- +0.000
- Indoor
- +0.000
- P1 serve до → после
- 58,83% → 58,38%
- P2 serve до → после
- 59,11% → 58,66%
Усталость и переход покрытия
- Leylah Annie Fernandez
- 0 матч. / 0 геймов за 7 дней · отдых 168,0 дн. · переход да
- Diana Shnaider
- 0 матч. / 0 геймов за 7 дней · отдых 180,0 дн. · переход да
Serve/Return CatBoost → Markov
- Leylah Annie Fernandez: P(очко на подаче)
- 57,65%
- Diana Shnaider: P(очко на подаче)
- 58,58%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Leylah Annie Fernandez: P(очко на подаче)
- 57,58%
- Diana Shnaider: P(очко на подаче)
- 58,98%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Leylah Annie Fernandez: P(очко на подаче)
- 56,61%
- Diana Shnaider: P(очко на подаче)
- 58,94%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Leylah Annie Fernandez: P(очко на подаче)
- 57,28%
- Diana Shnaider: P(очко на подаче)
- 58,83%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Dimitris Sakellaridis — Yuta Shimizu
ATP Challenger. Taipei. Taiwan. Hard. Qualifying · Hard · начало 01.11.2026 06:15 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
Консенсус Research
Yuta Shimizu · 62,2%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Yuta Shimizu71,8% · odds 1,28 | — | — | 50% |
| Взвешенный консенсус weighted-consensus-v1-af27edcb6a8b50d015844ff3 | Yuta Shimizu62,2% · odds 1,28 | не рассчитывает | не рассчитывает | 85%высокая |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Yuta Shimizu59,8% · odds 1,28 | не рассчитывает | не рассчитывает | 100%высокая |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Yuta Shimizu57,5% · odds 1,28 | не рассчитывает | не рассчитывает | 90%высокая |
| Monte Carlo monte-carlo-v2-context-20000 | Yuta Shimizu57,5% · odds 1,28 | не рассчитывает | не рассчитывает | 90%высокая |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Yuta Shimizu82,3% · odds 1,28 | не рассчитывает | не рассчитывает | 39%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Yuta Shimizu77,5% · odds 1,28 | не рассчитывает | не рассчитывает | 39%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Yuta Shimizu77,5% · odds 1,28 | не рассчитывает | не рассчитывает | 39%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Yuta Shimizu79,0% · odds 1,28 | не рассчитывает | не рассчитывает | 39%ограниченная |
Параметры point-level
- Dimitris Sakellaridis на подаче
- 56,78%
- Yuta Shimizu на подаче
- 58,21%
- Среднее покрытия
- 61,54%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
0:230,3%1:227,2%2:122,3%2:020,2%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 16–34
- 90% диапазон разницы П1
- -7…7
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.000
- Высота
- +0.000
- Indoor
- +0.000
- P1 serve до → после
- 57,23% → 56,78%
- P2 serve до → после
- 58,21% → 58,21%
Усталость и переход покрытия
- Dimitris Sakellaridis
- 0 матч. / 0 геймов за 7 дней · отдых 153,0 дн. · переход да
- Yuta Shimizu
- 0 матч. / 0 геймов за 7 дней · отдых 153,0 дн. · переход нет
Serve/Return CatBoost → Markov
- Dimitris Sakellaridis: P(очко на подаче)
- 54,46%
- Yuta Shimizu: P(очко на подаче)
- 61,53%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Dimitris Sakellaridis: P(очко на подаче)
- 54,31%
- Yuta Shimizu: P(очко на подаче)
- 60,06%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Dimitris Sakellaridis: P(очко на подаче)
- 54,79%
- Yuta Shimizu: P(очко на подаче)
- 60,54%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Dimitris Sakellaridis: P(очко на подаче)
- 54,52%
- Yuta Shimizu: P(очко на подаче)
- 60,71%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Himeno Sakatsume — Elena Pridankina
WTA 250. Hong Kong. Hard. Qualifying · Hard · начало 01.11.2026 06:30 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
Консенсус Research
Himeno Sakatsume · 63,0%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Himeno Sakatsume64,8% · odds 1,90 | Меньше 21,562,3% · ожид. 21,18 | Himeno Sakatsume +1,575,0% · ожид. +2.41931 | 50% |
| Взвешенный консенсус weighted-consensus-v1-d6ce2ec529ee4e74ea30b94e | Himeno Sakatsume63,0% · odds 1,90 | Больше 21,559,4% · ожид. 23,94 · odds 1,82 | Himeno Sakatsume +1,571,7% · ожид. +1.78002 · odds 1,73 | 78%высокая |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Himeno Sakatsume59,3% · odds 1,90 | не рассчитывает | не рассчитывает | 100%высокая |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Himeno Sakatsume63,1% · odds 1,90 | Больше 21,560,7% · ожид. 24,12 · odds 1,82 | Himeno Sakatsume +1,569,2% · ожид. +1.45769 · odds 1,73 | 90%высокая |
| Monte Carlo monte-carlo-v2-context-20000 | Himeno Sakatsume62,7% · odds 1,90 | Больше 21,560,3% · ожид. 24,03 · odds 1,82 | Himeno Sakatsume +1,568,7% · ожид. +1.4218 · odds 1,73 | 90%высокая |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Himeno Sakatsume75,8% · odds 1,90 | Больше 21,555,1% · ожид. 23,40 · odds 1,82 | Himeno Sakatsume +1,580,8% · ожид. +2.94052 · odds 1,73 | 39%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Himeno Sakatsume70,3% · odds 1,90 | Больше 21,558,3% · ожид. 23,81 · odds 1,82 | Himeno Sakatsume +1,575,9% · ожид. +2.27219 · odds 1,73 | 39%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Himeno Sakatsume71,9% · odds 1,90 | Больше 21,557,5% · ожид. 23,71 · odds 1,82 | Himeno Sakatsume +1,577,4% · ожид. +2.46454 · odds 1,73 | 39%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Himeno Sakatsume71,7% · odds 1,90 | Больше 21,556,8% · ожид. 23,62 · odds 1,82 | Himeno Sakatsume +1,577,2% · ожид. +2.4625 · odds 1,73 | 39%ограниченная |
Параметры point-level
- Himeno Sakatsume на подаче
- 56,41%
- Elena Pridankina на подаче
- 53,89%
- Среднее покрытия
- 54,84%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
2:034,6%2:128,5%1:219,9%0:216,9%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 16–33
- 90% диапазон разницы П1
- -6…8
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.000
- Высота
- +0.000
- Indoor
- +0.000
- P1 serve до → после
- 56,86% → 56,41%
- P2 serve до → после
- 54,34% → 53,89%
Усталость и переход покрытия
- Himeno Sakatsume
- 0 матч. / 0 геймов за 7 дней · отдых 153,0 дн. · переход да
- Elena Pridankina
- 0 матч. / 0 геймов за 7 дней · отдых 188,0 дн. · переход да
Serve/Return CatBoost → Markov
- Himeno Sakatsume: P(очко на подаче)
- 58,10%
- Elena Pridankina: P(очко на подаче)
- 52,82%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Himeno Sakatsume: P(очко на подаче)
- 57,60%
- Elena Pridankina: P(очко на подаче)
- 53,59%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Himeno Sakatsume: P(очко на подаче)
- 57,82%
- Elena Pridankina: P(очко на подаче)
- 53,45%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Himeno Sakatsume: P(очко на подаче)
- 57,84%
- Elena Pridankina: P(очко на подаче)
- 53,28%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Emerson Jones — Alexandra Shubladze
WTA 250. Hong Kong. Hard. Qualifying · Hard · начало 01.11.2026 06:30 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
Консенсус Research
Alexandra Shubladze · 59,2%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Alexandra Shubladze57,8% · odds 1,66 | Меньше 21,563,1% · ожид. 20,99 | Alexandra Shubladze -1,554,0% · ожид. -0.432098 | 50% |
| Взвешенный консенсус weighted-consensus-v1-d6ce2ec529ee4e74ea30b94e | Alexandra Shubladze59,2% · odds 1,66 | Больше 21,557,3% · ожид. 23,63 · odds 1,96 | Alexandra Shubladze -1,556,1% · ожид. -1.34649 · odds 1,84 | 78%высокая |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Alexandra Shubladze55,8% · odds 1,66 | не рассчитывает | не рассчитывает | 100%высокая |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Alexandra Shubladze73,1% · odds 1,66 | Больше 21,556,0% · ожид. 23,46 · odds 1,96 | Alexandra Shubladze -1,567,7% · ожид. -2.65778 · odds 1,84 | 90%высокая |
| Monte Carlo monte-carlo-v2-context-20000 | Alexandra Shubladze73,1% · odds 1,66 | Больше 21,556,0% · ожид. 23,46 · odds 1,96 | Alexandra Shubladze -1,567,5% · ожид. -2.6237 · odds 1,84 | 90%высокая |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Emerson Jones68,8% · odds 2,15 | Больше 21,558,4% · ожид. 23,80 · odds 1,96 | Emerson Jones +1,574,5% · ожид. +2.12987 · odds 1,90 | 39%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Emerson Jones66,9% · odds 2,15 | Больше 21,559,3% · ожид. 23,92 · odds 1,96 | Emerson Jones +1,572,8% · ожид. +1.90128 · odds 1,90 | 39%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Emerson Jones55,0% · odds 2,15 | Больше 21,562,0% · ожид. 24,29 · odds 1,96 | Emerson Jones +1,561,4% · ожид. +0.552291 · odds 1,90 | 39%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Emerson Jones63,2% · odds 2,15 | Больше 21,560,0% · ожид. 24,01 · odds 1,96 | Emerson Jones +1,569,2% · ожид. +1.5001 · odds 1,90 | 39%ограниченная |
Параметры point-level
- Emerson Jones на подаче
- 50,99%
- Alexandra Shubladze на подаче
- 55,60%
- Среднее покрытия
- 54,84%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
0:243,5%1:229,6%2:115,3%2:011,6%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 15–33
- 90% диапазон разницы П1
- -8…6
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.000
- Высота
- +0.000
- Indoor
- +0.000
- P1 serve до → после
- 51,44% → 50,99%
- P2 serve до → после
- 55,60% → 55,60%
Усталость и переход покрытия
- Emerson Jones
- 0 матч. / 0 геймов за 7 дней · отдых 153,0 дн. · переход да
- Alexandra Shubladze
- 0 матч. / 0 геймов за 7 дней · отдых 153,0 дн. · переход нет
Serve/Return CatBoost → Markov
- Emerson Jones: P(очко на подаче)
- 56,12%
- Alexandra Shubladze: P(очко на подаче)
- 52,44%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Emerson Jones: P(очко на подаче)
- 56,32%
- Alexandra Shubladze: P(очко на подаче)
- 53,03%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Emerson Jones: P(очко на подаче)
- 55,07%
- Alexandra Shubladze: P(очко на подаче)
- 54,13%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Emerson Jones: P(очко на подаче)
- 55,84%
- Alexandra Shubladze: P(очко на подаче)
- 53,20%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Akira Santillan — Evan Zhu
ATP Challenger. Taipei. Taiwan. Hard. Qualifying · Hard · начало 01.11.2026 06:35 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
Консенсус Research
Akira Santillan · 71,9%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Akira Santillan65,1% · odds 1,63 | — | — | 50% |
| Взвешенный консенсус weighted-consensus-v1-af27edcb6a8b50d015844ff3 | Akira Santillan71,9% · odds 1,63 | не рассчитывает | не рассчитывает | 85%высокая |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Akira Santillan60,5% · odds 1,63 | не рассчитывает | не рассчитывает | 100%высокая |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Akira Santillan77,8% · odds 1,63 | не рассчитывает | не рассчитывает | 90%высокая |
| Monte Carlo monte-carlo-v2-context-20000 | Akira Santillan76,7% · odds 1,63 | не рассчитывает | не рассчитывает | 90%высокая |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Akira Santillan87,1% · odds 1,63 | не рассчитывает | не рассчитывает | 39%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Akira Santillan87,9% · odds 1,63 | не рассчитывает | не рассчитывает | 39%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Akira Santillan90,2% · odds 1,63 | не рассчитывает | не рассчитывает | 39%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Akira Santillan88,6% · odds 1,63 | не рассчитывает | не рассчитывает | 39%ограниченная |
Параметры point-level
- Akira Santillan на подаче
- 63,66%
- Evan Zhu на подаче
- 57,70%
- Среднее покрытия
- 61,54%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
2:048,4%2:129,5%1:212,9%0:29,3%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 16–34
- 90% диапазон разницы П1
- -5…8
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.000
- Высота
- +0.000
- Indoor
- +0.000
- P1 serve до → после
- 63,66% → 63,66%
- P2 serve до → после
- 57,70% → 57,70%
Усталость и переход покрытия
- Akira Santillan
- 0 матч. / 0 геймов за 7 дней · отдых 153,0 дн. · переход нет
- Evan Zhu
- 0 матч. / 0 геймов за 7 дней · отдых 153,0 дн. · переход нет
Serve/Return CatBoost → Markov
- Akira Santillan: P(очко на подаче)
- 66,23%
- Evan Zhu: P(очко на подаче)
- 57,32%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Akira Santillan: P(очко на подаче)
- 66,54%
- Evan Zhu: P(очко на подаче)
- 57,33%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Akira Santillan: P(очко на подаче)
- 67,10%
- Evan Zhu: P(очко на подаче)
- 56,89%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Akira Santillan: P(очко на подаче)
- 66,62%
- Evan Zhu: P(очко на подаче)
- 57,18%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Violet Apisah — Thasaporn Naklo
World Tennis W15. Singapore · Indoor Hard · начало 01.11.2026 06:35 MSK
indoor
высота неизвестна
CPI 43,0
confidence 30%
ResearchОжидается расчёт
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | — | — | — | — |
| Взвешенный консенсус нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Surface Dynamic Elo нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Exact O’Malley Markov нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Monte Carlo нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Serve/Return CatBoost → Markov нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Serve/Return XGBoost → Markov нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Serve/Return LightGBM → Markov нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Serve/Return Ensemble → Monte Carlo нет расчёта | — | не рассчитывает | не рассчитывает | — |
Fitriadi Rifqi — Maxime Janvier
World Tennis M15. Singapore · Indoor Hard · начало 01.11.2026 06:35 MSK
indoor
высота неизвестна
CPI 43,0
confidence 30%
Консенсус Research
Fitriadi Rifqi · 55,1%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Fitriadi Rifqi54,6% · odds 2,55 | Меньше 22,561,2% · ожид. 22,20 | Maxime Janvier -3,550,4% · ожид. -0.719824 | 50% |
| Взвешенный консенсус weighted-consensus-v1-ad63a08acc76c1fe0adc454f | Fitriadi Rifqi55,1% · odds 2,55 | Больше 22,557,9% · ожид. 24,99 · odds 1,96 | Fitriadi Rifqi +3,573,7% · ожид. +0.313113 · odds 1,75 | 78%высокая |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Fitriadi Rifqi57,7% · odds 2,55 | не рассчитывает | не рассчитывает | 100%высокая |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Fitriadi Rifqi60,7% · odds 2,55 | Больше 22,558,2% · ожид. 25,02 · odds 1,96 | Fitriadi Rifqi +3,579,8% · ожид. +1.08336 · odds 1,75 | 90%высокая |
| Monte Carlo monte-carlo-v2-context-20000 | Fitriadi Rifqi60,1% · odds 2,55 | Больше 22,557,3% · ожид. 24,88 · odds 1,96 | Fitriadi Rifqi +3,579,0% · ожид. +1.03635 · odds 1,75 | 90%высокая |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Maxime Janvier63,9% · odds 1,46 | Больше 22,558,4% · ожид. 25,13 · odds 1,96 | Fitriadi Rifqi +3,560,9% · ожид. -1.37713 · odds 1,75 | 39%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Maxime Janvier61,7% · odds 1,46 | Больше 22,558,7% · ожид. 25,15 · odds 1,96 | Fitriadi Rifqi +3,562,6% · ожид. -1.16626 · odds 1,75 | 39%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Maxime Janvier64,9% · odds 1,46 | Больше 22,557,5% · ожид. 24,97 · odds 1,96 | Fitriadi Rifqi +3,559,4% · ожид. -1.49964 · odds 1,75 | 39%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Maxime Janvier63,1% · odds 1,46 | Больше 22,558,4% · ожид. 25,09 · odds 1,96 | Fitriadi Rifqi +3,561,2% · ожид. -1.3272 · odds 1,75 | 39%ограниченная |
Параметры point-level
- Fitriadi Rifqi на подаче
- 62,57%
- Maxime Janvier на подаче
- 60,44%
- Среднее покрытия
- 61,54%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
2:032,7%2:128,0%1:221,0%0:218,3%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 17–35
- 90% диапазон разницы П1
- -6…7
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.002
- Высота
- +0.000
- Indoor
- +0.006
- P1 serve до → после
- 61,74% → 62,57%
- P2 serve до → после
- 60,06% → 60,44%
Усталость и переход покрытия
- Fitriadi Rifqi
- 0 матч. / 0 геймов за 7 дней · отдых 174,0 дн. · переход нет
- Maxime Janvier
- 0 матч. / 0 геймов за 7 дней · отдых 160,0 дн. · переход да
Serve/Return CatBoost → Markov
- Fitriadi Rifqi: P(очко на подаче)
- 61,25%
- Maxime Janvier: P(очко на подаче)
- 64,07%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Fitriadi Rifqi: P(очко на подаче)
- 61,17%
- Maxime Janvier: P(очко на подаче)
- 63,52%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Fitriadi Rifqi: P(очко на подаче)
- 60,52%
- Maxime Janvier: P(очко на подаче)
- 63,54%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Fitriadi Rifqi: P(очко на подаче)
- 60,98%
- Maxime Janvier: P(очко на подаче)
- 63,71%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Hyerin Sim — Ekaterina Ovcharenko
World Tennis W100. Incheon. South Korea. Hard. Qualifying · Hard · начало 01.11.2026 06:35 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
ResearchОжидается расчёт
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | — | — | — | — |
| Взвешенный консенсус нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Surface Dynamic Elo нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Exact O’Malley Markov нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Monte Carlo нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Serve/Return CatBoost → Markov нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Serve/Return XGBoost → Markov нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Serve/Return LightGBM → Markov нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Serve/Return Ensemble → Monte Carlo нет расчёта | — | не рассчитывает | не рассчитывает | — |
Choi Seo Yun — Aruzhan Sagandikova
World Tennis W100. Incheon. South Korea. Hard. Qualifying · Hard · начало 01.11.2026 06:35 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
Консенсус Research
Aruzhan Sagandikova · 55,5%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Aruzhan Sagandikova58,6% · odds 1,40 | — | — | 50% |
| Взвешенный консенсус weighted-consensus-v1-b26c0a145acaea4371cf2772 | Aruzhan Sagandikova55,5% · odds 1,40 | не рассчитывает | не рассчитывает | 59%средняя |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Aruzhan Sagandikova51,1% · odds 1,40 | не рассчитывает | не рассчитывает | 66%средняя |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Aruzhan Sagandikova56,9% · odds 1,40 | не рассчитывает | не рассчитывает | 65%средняя |
| Monte Carlo monte-carlo-v2-context-20000 | Aruzhan Sagandikova55,9% · odds 1,40 | не рассчитывает | не рассчитывает | 65%средняя |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Aruzhan Sagandikova56,4% · odds 1,40 | не рассчитывает | не рассчитывает | 22%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Aruzhan Sagandikova74,2% · odds 1,40 | не рассчитывает | не рассчитывает | 22%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Aruzhan Sagandikova69,2% · odds 1,40 | не рассчитывает | не рассчитывает | 22%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Aruzhan Sagandikova66,0% · odds 1,40 | не рассчитывает | не рассчитывает | 22%ограниченная |
Параметры point-level
- Choi Seo Yun на подаче
- 52,50%
- Aruzhan Sagandikova на подаче
- 53,80%
- Среднее покрытия
- 54,84%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
0:229,8%1:227,1%2:122,5%2:020,6%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 16–33
- 90% диапазон разницы П1
- -8…7
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.000
- Высота
- +0.000
- Indoor
- +0.000
- P1 serve до → после
- 52,50% → 52,50%
- P2 serve до → после
- 53,80% → 53,80%
Усталость и переход покрытия
- Choi Seo Yun
- 0 матч. / 0 геймов за 7 дней · отдых 167,0 дн. · переход нет
- Aruzhan Sagandikova
- 0 матч. / 0 геймов за 7 дней · отдых 664,0 дн. · переход нет
Serve/Return CatBoost → Markov
- Choi Seo Yun: P(очко на подаче)
- 52,35%
- Aruzhan Sagandikova: P(очко на подаче)
- 53,56%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Choi Seo Yun: P(очко на подаче)
- 50,92%
- Aruzhan Sagandikova: P(очко на подаче)
- 55,78%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Choi Seo Yun: P(очко на подаче)
- 51,32%
- Aruzhan Sagandikova: P(очко на подаче)
- 55,07%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Choi Seo Yun: P(очко на подаче)
- 51,53%
- Aruzhan Sagandikova: P(очко на подаче)
- 54,81%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Kim Eun Chae — Erika Sema
World Tennis W100. Incheon. South Korea. Hard. Qualifying · Hard · начало 01.11.2026 07:05 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
Консенсус Research
Erika Sema · 66,4%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Erika Sema73,3% · odds 1,34 | — | — | 50% |
| Взвешенный консенсус weighted-consensus-v1-b26c0a145acaea4371cf2772 | Erika Sema66,4% · odds 1,34 | не рассчитывает | не рассчитывает | 61%средняя |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Erika Sema57,6% · odds 1,34 | не рассчитывает | не рассчитывает | 52%средняя |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Erika Sema65,4% · odds 1,34 | не рассчитывает | не рассчитывает | 79%высокая |
| Monte Carlo monte-carlo-v2-context-20000 | Erika Sema64,8% · odds 1,34 | не рассчитывает | не рассчитывает | 79%высокая |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Erika Sema93,6% · odds 1,34 | не рассчитывает | не рассчитывает | 22%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Erika Sema90,9% · odds 1,34 | не рассчитывает | не рассчитывает | 22%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Erika Sema93,5% · odds 1,34 | не рассчитывает | не рассчитывает | 22%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Erika Sema91,6% · odds 1,34 | не рассчитывает | не рассчитывает | 22%ограниченная |
Параметры point-level
- Kim Eun Chae на подаче
- 51,72%
- Erika Sema на подаче
- 54,67%
- Среднее покрытия
- 54,84%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
0:236,5%1:228,9%2:118,9%2:015,7%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 16–33
- 90% диапазон разницы П1
- -8…7
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.000
- Высота
- +0.000
- Indoor
- +0.000
- P1 serve до → после
- 51,72% → 51,72%
- P2 serve до → после
- 54,67% → 54,67%
Усталость и переход покрытия
- Kim Eun Chae
- 0 матч. / 0 геймов за 7 дней · отдых 160,0 дн. · переход нет
- Erika Sema
- 0 матч. / 0 геймов за 7 дней · отдых 153,0 дн. · переход нет
Serve/Return CatBoost → Markov
- Kim Eun Chae: P(очко на подаче)
- 48,00%
- Erika Sema: P(очко на подаче)
- 59,41%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Kim Eun Chae: P(очко на подаче)
- 48,00%
- Erika Sema: P(очко на подаче)
- 57,98%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Kim Eun Chae: P(очко на подаче)
- 48,00%
- Erika Sema: P(очко на подаче)
- 59,37%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Kim Eun Chae: P(очко на подаче)
- 48,00%
- Erika Sema: P(очко на подаче)
- 58,92%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Christian Langmo — Khumoyun Sultanov
ATP Challenger. Taipei. Taiwan. Hard. Qualifying · Hard · начало 01.11.2026 07:25 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
Консенсус Research
Christian Langmo · 56,4%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Khumoyun Sultanov51,3% · odds 1,49 | — | — | 50% |
| Взвешенный консенсус weighted-consensus-v1-af27edcb6a8b50d015844ff3 | Christian Langmo56,4% · odds 2,43 | не рассчитывает | не рассчитывает | 85%высокая |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Christian Langmo52,5% · odds 2,43 | не рассчитывает | не рассчитывает | 100%высокая |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Christian Langmo53,3% · odds 2,43 | не рассчитывает | не рассчитывает | 90%высокая |
| Monte Carlo monte-carlo-v2-context-20000 | Christian Langmo52,8% · odds 2,43 | не рассчитывает | не рассчитывает | 90%высокая |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Christian Langmo73,6% · odds 2,43 | не рассчитывает | не рассчитывает | 39%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Christian Langmo72,1% · odds 2,43 | не рассчитывает | не рассчитывает | 39%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Christian Langmo74,9% · odds 2,43 | не рассчитывает | не рассчитывает | 39%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Christian Langmo74,1% · odds 2,43 | не рассчитывает | не рассчитывает | 39%ограниченная |
Параметры point-level
- Christian Langmo на подаче
- 63,49%
- Khumoyun Sultanov на подаче
- 62,83%
- Среднее покрытия
- 61,54%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
2:027,3%2:126,1%1:223,8%0:222,8%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 17–35
- 90% диапазон разницы П1
- -6…7
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.000
- Высота
- +0.000
- Indoor
- +0.000
- P1 serve до → после
- 63,49% → 63,49%
- P2 serve до → после
- 63,28% → 62,83%
Усталость и переход покрытия
- Christian Langmo
- 0 матч. / 0 геймов за 7 дней · отдых 153,0 дн. · переход нет
- Khumoyun Sultanov
- 0 матч. / 0 геймов за 7 дней · отдых 160,0 дн. · переход да
Serve/Return CatBoost → Markov
- Christian Langmo: P(очко на подаче)
- 65,98%
- Khumoyun Sultanov: P(очко на подаче)
- 60,95%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Christian Langmo: P(очко на подаче)
- 66,41%
- Khumoyun Sultanov: P(очко на подаче)
- 61,70%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Christian Langmo: P(очко на подаче)
- 66,65%
- Khumoyun Sultanov: P(очко на подаче)
- 61,26%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Christian Langmo: P(очко на подаче)
- 66,35%
- Khumoyun Sultanov: P(очко на подаче)
- 61,30%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Yosuke Watanuki — Dominik Palan
ATP Challenger. Taipei. Taiwan. Hard. Qualifying · Hard · начало 01.11.2026 07:45 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
Консенсус Research
Yosuke Watanuki · 56,4%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Yosuke Watanuki66,7% · odds 1,09 | — | — | 50% |
| Взвешенный консенсус weighted-consensus-v1-af27edcb6a8b50d015844ff3 | Yosuke Watanuki56,4% · odds 1,09 | не рассчитывает | не рассчитывает | 85%высокая |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Yosuke Watanuki54,2% · odds 1,09 | не рассчитывает | не рассчитывает | 100%высокая |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Yosuke Watanuki54,1% · odds 1,09 | не рассчитывает | не рассчитывает | 90%высокая |
| Monte Carlo monte-carlo-v2-context-20000 | Yosuke Watanuki54,3% · odds 1,09 | не рассчитывает | не рассчитывает | 90%высокая |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Yosuke Watanuki65,7% · odds 1,09 | не рассчитывает | не рассчитывает | 39%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Yosuke Watanuki68,3% · odds 1,09 | не рассчитывает | не рассчитывает | 39%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Yosuke Watanuki67,4% · odds 1,09 | не рассчитывает | не рассчитывает | 39%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Yosuke Watanuki67,2% · odds 1,09 | не рассчитывает | не рассчитывает | 39%ограниченная |
Параметры point-level
- Yosuke Watanuki на подаче
- 65,14%
- Dominik Palan на подаче
- 64,31%
- Среднее покрытия
- 61,54%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
2:027,8%2:126,3%1:223,6%0:222,4%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 17–35
- 90% диапазон разницы П1
- -6…6
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.000
- Высота
- +0.000
- Indoor
- +0.000
- P1 serve до → после
- 65,59% → 65,14%
- P2 serve до → после
- 64,31% → 64,31%
Усталость и переход покрытия
- Yosuke Watanuki
- 0 матч. / 0 геймов за 7 дней · отдых 160,0 дн. · переход да
- Dominik Palan
- 0 матч. / 0 геймов за 7 дней · отдых 153,0 дн. · переход нет
Serve/Return CatBoost → Markov
- Yosuke Watanuki: P(очко на подаче)
- 66,85%
- Dominik Palan: P(очко на подаче)
- 63,57%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Yosuke Watanuki: P(очко на подаче)
- 66,86%
- Dominik Palan: P(очко на подаче)
- 63,00%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Yosuke Watanuki: P(очко на подаче)
- 67,07%
- Dominik Palan: P(очко на подаче)
- 63,42%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Yosuke Watanuki: P(очко на подаче)
- 66,93%
- Dominik Palan: P(очко на подаче)
- 63,33%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Digvijay Pratap Singh — Aristarkh Safonov
World Tennis M15. Fergana. Uzbekistan · Hard · начало 01.11.2026 08:05 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
Консенсус Research
Digvijay Pratap Singh · 67,5%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Digvijay Pratap Singh71,0% · odds 1,13 | — | — | 50% |
| Взвешенный консенсус weighted-consensus-v1-f2b68901317d6f9f1f4c2207 | Digvijay Pratap Singh67,5% · odds 1,13 | не рассчитывает | не рассчитывает | 72%средняя |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Digvijay Pratap Singh57,6% · odds 1,13 | не рассчитывает | не рассчитывает | 75%высокая |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Digvijay Pratap Singh71,3% · odds 1,13 | не рассчитывает | не рассчитывает | 83%высокая |
| Monte Carlo monte-carlo-v2-context-20000 | Digvijay Pratap Singh70,7% · odds 1,13 | не рассчитывает | не рассчитывает | 83%высокая |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Digvijay Pratap Singh89,3% · odds 1,13 | не рассчитывает | не рассчитывает | 22%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Digvijay Pratap Singh89,0% · odds 1,13 | не рассчитывает | не рассчитывает | 22%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Digvijay Pratap Singh87,9% · odds 1,13 | не рассчитывает | не рассчитывает | 22%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Digvijay Pratap Singh87,4% · odds 1,13 | не рассчитывает | не рассчитывает | 22%ограниченная |
Параметры point-level
- Digvijay Pratap Singh на подаче
- 66,29%
- Aristarkh Safonov на подаче
- 61,78%
- Среднее покрытия
- 61,54%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
2:041,7%2:129,5%1:216,2%0:212,5%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 17–35
- 90% диапазон разницы П1
- -5…7
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.000
- Высота
- +0.000
- Indoor
- +0.000
- P1 serve до → после
- 66,29% → 66,29%
- P2 serve до → после
- 61,78% → 61,78%
Усталость и переход покрытия
- Digvijay Pratap Singh
- 0 матч. / 0 геймов за 7 дней · отдых 167,0 дн. · переход нет
- Aristarkh Safonov
- 0 матч. / 0 геймов за 7 дней · отдых 188,0 дн. · переход нет
Serve/Return CatBoost → Markov
- Digvijay Pratap Singh: P(очко на подаче)
- 68,43%
- Aristarkh Safonov: P(очко на подаче)
- 58,52%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Digvijay Pratap Singh: P(очко на подаче)
- 68,31%
- Aristarkh Safonov: P(очко на подаче)
- 58,53%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Digvijay Pratap Singh: P(очко на подаче)
- 68,05%
- Aristarkh Safonov: P(очко на подаче)
- 58,70%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Digvijay Pratap Singh: P(очко на подаче)
- 68,26%
- Aristarkh Safonov: P(очко на подаче)
- 58,58%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Im Hee Rae — Nagi Hanatani
World Tennis W100. Incheon. South Korea. Hard. Qualifying · Hard · начало 01.11.2026 08:05 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
Консенсус Research
Im Hee Rae · 57,5%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Nagi Hanatani51,9% · odds 1,59 | — | — | 50% |
| Взвешенный консенсус weighted-consensus-v1-b26c0a145acaea4371cf2772 | Im Hee Rae57,5% · odds 2,22 | не рассчитывает | не рассчитывает | 70%средняя |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Im Hee Rae53,0% · odds 2,22 | не рассчитывает | не рассчитывает | 72%средняя |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Im Hee Rae61,9% · odds 2,22 | не рассчитывает | не рассчитывает | 82%высокая |
| Monte Carlo monte-carlo-v2-context-20000 | Im Hee Rae61,6% · odds 2,22 | не рассчитывает | не рассчитывает | 82%высокая |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Im Hee Rae50,5% · odds 2,22 | не рассчитывает | не рассчитывает | 24%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Im Hee Rae63,0% · odds 2,22 | не рассчитывает | не рассчитывает | 24%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Im Hee Rae56,9% · odds 2,22 | не рассчитывает | не рассчитывает | 24%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Im Hee Rae56,4% · odds 2,22 | не рассчитывает | не рассчитывает | 24%ограниченная |
Параметры point-level
- Im Hee Rae на подаче
- 52,33%
- Nagi Hanatani на подаче
- 50,09%
- Среднее покрытия
- 54,84%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
2:033,6%2:128,3%1:220,5%0:217,7%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 16–33
- 90% диапазон разницы П1
- -7…8
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.000
- Высота
- +0.000
- Indoor
- +0.000
- P1 serve до → после
- 52,33% → 52,33%
- P2 serve до → после
- 50,54% → 50,09%
Усталость и переход покрытия
- Im Hee Rae
- 0 матч. / 0 геймов за 7 дней · отдых 167,0 дн. · переход нет
- Nagi Hanatani
- 0 матч. / 0 геймов за 7 дней · отдых 174,0 дн. · переход да
Serve/Return CatBoost → Markov
- Im Hee Rae: P(очко на подаче)
- 51,96%
- Nagi Hanatani: P(очко на подаче)
- 51,87%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Im Hee Rae: P(очко на подаче)
- 52,20%
- Nagi Hanatani: P(очко на подаче)
- 49,73%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Im Hee Rae: P(очко на подаче)
- 51,94%
- Nagi Hanatani: P(очко на подаче)
- 50,64%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Im Hee Rae: P(очко на подаче)
- 52,03%
- Nagi Hanatani: P(очко на подаче)
- 50,74%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Terence Atmane — Wong Chak Lam Coleman
ATP Challenger. Seoul. South Korea · Hard · начало 01.11.2026 08:05 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
Консенсус Research
Terence Atmane · 65,6%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Terence Atmane95,2% · odds 1,79 | Меньше 23,575,9% · ожид. 20,45 | Terence Atmane -1,588,3% · ожид. +4.11334 | 5% |
| Взвешенный консенсус weighted-consensus-v1-cff171be0579cf3362ffe284 | Terence Atmane65,6% · odds 1,79 | Меньше 23,555,8% · ожид. 23,94 · odds 1,78 | Terence Atmane -1,559,8% · ожид. +1.92541 · odds 2,06 | 59%средняя |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Terence Atmane66,4% · odds 1,79 | не рассчитывает | не рассчитывает | 2%ограниченная |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Terence Atmane55,7% · odds 1,79 | Больше 23,554,6% · ожид. 25,58 · odds 1,93 | Wong Chak Lam Coleman +1,551,8% · ожид. +0.544975 · odds 1,68 | 73%средняя |
| Monte Carlo monte-carlo-v2-context-20000 | Terence Atmane55,5% · odds 1,79 | Больше 23,552,8% · ожид. 25,32 · odds 1,93 | Wong Chak Lam Coleman +1,551,6% · ожид. +0.5834 · odds 1,68 | 73%средняя |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Terence Atmane98,1% · odds 1,79 | Меньше 23,583,9% · ожид. 19,59 · odds 1,78 | Terence Atmane -1,597,2% · ожид. +6.11743 · odds 2,06 | 22%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Terence Atmane99,2% · odds 1,79 | Меньше 23,589,8% · ожид. 18,36 · odds 1,78 | Terence Atmane -1,598,8% · ожид. +6.82026 · odds 2,06 | 22%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Terence Atmane98,0% · odds 1,79 | Меньше 23,583,9% · ожид. 19,51 · odds 1,78 | Terence Atmane -1,597,1% · ожид. +6.18514 · odds 2,06 | 22%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Terence Atmane98,0% · odds 1,79 | Меньше 23,585,5% · ожид. 19,15 · odds 1,78 | Terence Atmane -1,597,1% · ожид. +6.36015 · odds 2,06 | 22%ограниченная |
Параметры point-level
- Terence Atmane на подаче
- 64,30%
- Wong Chak Lam Coleman на подаче
- 63,15%
- Среднее покрытия
- 61,54%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
2:028,9%2:126,7%1:223,0%0:221,3%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 17–35
- 90% диапазон разницы П1
- -6…7
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.000
- Высота
- +0.000
- Indoor
- +0.000
- P1 serve до → после
- 64,75% → 64,30%
- P2 serve до → после
- 63,15% → 63,15%
Усталость и переход покрытия
- Terence Atmane
- 0 матч. / 0 геймов за 7 дней · отдых 168,0 дн. · переход да
- Wong Chak Lam Coleman
- 0 матч. / 0 геймов за 7 дней · отдых 1035,0 дн. · переход нет
Serve/Return CatBoost → Markov
- Terence Atmane: P(очко на подаче)
- 70,58%
- Wong Chak Lam Coleman: P(очко на подаче)
- 54,12%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Terence Atmane: P(очко на подаче)
- 70,79%
- Wong Chak Lam Coleman: P(очко на подаче)
- 51,76%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Terence Atmane: P(очко на подаче)
- 69,75%
- Wong Chak Lam Coleman: P(очко на подаче)
- 53,49%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Terence Atmane: P(очко на подаче)
- 70,37%
- Wong Chak Lam Coleman: P(очко на подаче)
- 53,12%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Chen Tin — Mitsuki Wei Leong
ATP Challenger. Taipei. Taiwan. Hard. Qualifying · Hard · начало 01.11.2026 08:35 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
ResearchОжидается расчёт
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | — | — | — | — |
| Взвешенный консенсус нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Surface Dynamic Elo нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Exact O’Malley Markov нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Monte Carlo нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Serve/Return CatBoost → Markov нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Serve/Return XGBoost → Markov нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Serve/Return LightGBM → Markov нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Serve/Return Ensemble → Monte Carlo нет расчёта | — | не рассчитывает | не рассчитывает | — |
Jake Delaney — Wang Kai-I
ATP Challenger. Taipei. Taiwan. Hard. Qualifying · Hard · начало 01.11.2026 08:55 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
Консенсус Research
Jake Delaney · 78,0%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Jake Delaney89,3% · odds 1,11 | — | — | 50% |
| Взвешенный консенсус weighted-consensus-v1-af27edcb6a8b50d015844ff3 | Jake Delaney78,0% · odds 1,11 | не рассчитывает | не рассчитывает | 59%средняя |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Jake Delaney76,5% · odds 1,11 | не рассчитывает | не рассчитывает | 43%ограниченная |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Jake Delaney74,4% · odds 1,11 | не рассчитывает | не рассчитывает | 78%высокая |
| Monte Carlo monte-carlo-v2-context-20000 | Jake Delaney74,0% · odds 1,11 | не рассчитывает | не рассчитывает | 78%высокая |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Jake Delaney94,7% · odds 1,11 | не рассчитывает | не рассчитывает | 22%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Jake Delaney93,9% · odds 1,11 | не рассчитывает | не рассчитывает | 22%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Jake Delaney94,4% · odds 1,11 | не рассчитывает | не рассчитывает | 22%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Jake Delaney93,9% · odds 1,11 | не рассчитывает | не рассчитывает | 22%ограниченная |
Параметры point-level
- Jake Delaney на подаче
- 64,21%
- Wang Kai-I на подаче
- 59,06%
- Среднее покрытия
- 61,54%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
2:044,8%2:129,6%1:214,6%0:210,9%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 16–34
- 90% диапазон разницы П1
- -5…8
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.000
- Высота
- +0.000
- Indoor
- +0.000
- P1 serve до → после
- 64,21% → 64,21%
- P2 serve до → после
- 59,06% → 59,06%
Усталость и переход покрытия
- Jake Delaney
- 0 матч. / 0 геймов за 7 дней · отдых 153,0 дн. · переход нет
- Wang Kai-I
- 0 матч. / 0 геймов за 7 дней · отдых 160,0 дн. · переход нет
Serve/Return CatBoost → Markov
- Jake Delaney: P(очко на подаче)
- 67,86%
- Wang Kai-I: P(очко на подаче)
- 55,12%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Jake Delaney: P(очко на подаче)
- 67,35%
- Wang Kai-I: P(очко на подаче)
- 55,21%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Jake Delaney: P(очко на подаче)
- 67,60%
- Wang Kai-I: P(очко на подаче)
- 55,12%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Jake Delaney: P(очко на подаче)
- 67,60%
- Wang Kai-I: P(очко на подаче)
- 55,15%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Petr Bar-Biryukov — Yaroslav Demin
ATP Challenger. Ningbo. China · Hard · начало 01.11.2026 09:05 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
Консенсус Research
Petr Bar-Biryukov · 57,2%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Petr Bar-Biryukov70,8% · odds 2,40 | Меньше 22,559,3% · ожид. 23,00 | Petr Bar-Biryukov +2,575,3% · ожид. +2.22906 | 50% |
| Взвешенный консенсус weighted-consensus-v1-92968f48aec9534e15195b65 | Petr Bar-Biryukov57,2% · odds 2,40 | Больше 22,559,1% · ожид. 25,33 · odds 1,72 | Petr Bar-Biryukov +2,571,3% · ожид. +0.823659 · odds 1,82 | 78%высокая |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Petr Bar-Biryukov55,6% · odds 2,40 | не рассчитывает | не рассчитывает | 100%высокая |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Petr Bar-Biryukov50,4% · odds 2,40 | Больше 22,561,5% · ожид. 25,64 · odds 1,72 | Petr Bar-Biryukov +2,564,9% · ожид. +0.037086 · odds 1,82 | 90%высокая |
| Monte Carlo monte-carlo-v2-context-20000 | Petr Bar-Biryukov50,5% · odds 2,40 | Больше 22,561,1% · ожид. 25,59 · odds 1,72 | Petr Bar-Biryukov +2,564,6% · ожид. +0.0426 · odds 1,82 | 90%высокая |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Petr Bar-Biryukov78,9% · odds 2,40 | Больше 22,552,6% · ожид. 24,49 · odds 1,72 | Petr Bar-Biryukov +2,587,7% · ожид. +2.84104 · odds 1,82 | 39%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Petr Bar-Biryukov72,1% · odds 2,40 | Больше 22,557,1% · ожид. 25,11 · odds 1,72 | Petr Bar-Biryukov +2,583,0% · ожид. +2.12004 · odds 1,82 | 39%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Petr Bar-Biryukov78,3% · odds 2,40 | Больше 22,553,4% · ожид. 24,61 · odds 1,72 | Petr Bar-Biryukov +2,587,4% · ожид. +2.75746 · odds 1,82 | 39%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Petr Bar-Biryukov75,8% · odds 2,40 | Больше 22,553,8% · ожид. 24,69 · odds 1,72 | Petr Bar-Biryukov +2,585,4% · ожид. +2.5279 · odds 1,82 | 39%ограниченная |
Параметры point-level
- Petr Bar-Biryukov на подаче
- 63,84%
- Yaroslav Demin на подаче
- 63,76%
- Среднее покрытия
- 61,54%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
2:025,3%2:125,1%1:224,9%0:224,7%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 17–35
- 90% диапазон разницы П1
- -6…6
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.000
- Высота
- +0.000
- Indoor
- +0.000
- P1 serve до → после
- 64,29% → 63,84%
- P2 serve до → после
- 64,21% → 63,76%
Усталость и переход покрытия
- Petr Bar-Biryukov
- 0 матч. / 0 геймов за 7 дней · отдых 153,0 дн. · переход да
- Yaroslav Demin
- 0 матч. / 0 геймов за 7 дней · отдых 174,0 дн. · переход да
Serve/Return CatBoost → Markov
- Petr Bar-Biryukov: P(очко на подаче)
- 67,70%
- Yaroslav Demin: P(очко на подаче)
- 61,22%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Petr Bar-Biryukov: P(очко на подаче)
- 67,02%
- Yaroslav Demin: P(очко на подаче)
- 62,28%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Petr Bar-Biryukov: P(очко на подаче)
- 67,90%
- Yaroslav Demin: P(очко на подаче)
- 61,57%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Petr Bar-Biryukov: P(очко на подаче)
- 67,54%
- Yaroslav Demin: P(очко на подаче)
- 61,69%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Kasidit Samrej — Koki Matsuda
ATP Challenger. Taipei. Taiwan. Hard. Qualifying · Hard · начало 01.11.2026 09:45 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
Консенсус Research
Kasidit Samrej · 51,3%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Kasidit Samrej60,7% · odds 1,53 | — | — | 50% |
| Взвешенный консенсус weighted-consensus-v1-af27edcb6a8b50d015844ff3 | Kasidit Samrej51,3% · odds 1,53 | не рассчитывает | не рассчитывает | 85%высокая |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Koki Matsuda51,6% · odds 2,34 | не рассчитывает | не рассчитывает | 100%высокая |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Kasidit Samrej51,4% · odds 1,53 | не рассчитывает | не рассчитывает | 90%высокая |
| Monte Carlo monte-carlo-v2-context-20000 | Kasidit Samrej51,3% · odds 1,53 | не рассчитывает | не рассчитывает | 90%высокая |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Kasidit Samrej55,4% · odds 1,53 | не рассчитывает | не рассчитывает | 39%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Kasidit Samrej57,2% · odds 1,53 | не рассчитывает | не рассчитывает | 39%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Kasidit Samrej63,3% · odds 1,53 | не рассчитывает | не рассчитывает | 39%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Kasidit Samrej59,0% · odds 1,53 | не рассчитывает | не рассчитывает | 39%ограниченная |
Параметры point-level
- Kasidit Samrej на подаче
- 62,23%
- Koki Matsuda на подаче
- 61,96%
- Среднее покрытия
- 61,54%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
2:025,9%2:125,5%1:224,5%0:224,1%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 17–35
- 90% диапазон разницы П1
- -7…7
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.000
- Высота
- +0.000
- Indoor
- +0.000
- P1 serve до → после
- 62,23% → 62,23%
- P2 serve до → после
- 62,41% → 61,96%
Усталость и переход покрытия
- Kasidit Samrej
- 0 матч. / 0 геймов за 7 дней · отдых 174,0 дн. · переход нет
- Koki Matsuda
- 0 матч. / 0 геймов за 7 дней · отдых 160,0 дн. · переход да
Serve/Return CatBoost → Markov
- Kasidit Samrej: P(очко на подаче)
- 64,37%
- Koki Matsuda: P(очко на подаче)
- 63,30%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Kasidit Samrej: P(очко на подаче)
- 64,54%
- Koki Matsuda: P(очко на подаче)
- 63,10%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Kasidit Samrej: P(очко на подаче)
- 65,13%
- Koki Matsuda: P(очко на подаче)
- 62,41%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Kasidit Samrej: P(очко на подаче)
- 64,68%
- Koki Matsuda: P(очко на подаче)
- 62,93%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Alibek Kachmazov — Hou Chun-Chien
ATP Challenger. Taipei. Taiwan. Hard. Qualifying · Hard · начало 01.11.2026 10:05 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
Консенсус Research
Alibek Kachmazov · 78,3%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Alibek Kachmazov88,3% · odds 1,03 | — | — | 50% |
| Взвешенный консенсус weighted-consensus-v1-af27edcb6a8b50d015844ff3 | Alibek Kachmazov78,3% · odds 1,03 | не рассчитывает | не рассчитывает | 56%средняя |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Alibek Kachmazov76,7% · odds 1,03 | не рассчитывает | не рассчитывает | 30%ограниченная |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Alibek Kachmazov74,9% · odds 1,03 | не рассчитывает | не рассчитывает | 76%высокая |
| Monte Carlo monte-carlo-v2-context-20000 | Alibek Kachmazov74,2% · odds 1,03 | не рассчитывает | не рассчитывает | 76%высокая |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Alibek Kachmazov94,4% · odds 1,03 | не рассчитывает | не рассчитывает | 22%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Alibek Kachmazov91,5% · odds 1,03 | не рассчитывает | не рассчитывает | 22%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Alibek Kachmazov94,5% · odds 1,03 | не рассчитывает | не рассчитывает | 22%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Alibek Kachmazov92,9% · odds 1,03 | не рассчитывает | не рассчитывает | 22%ограниченная |
Параметры point-level
- Alibek Kachmazov на подаче
- 63,38%
- Hou Chun-Chien на подаче
- 58,17%
- Среднее покрытия
- 61,54%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
2:045,2%2:129,6%1:214,4%0:210,7%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 16–34
- 90% диапазон разницы П1
- -5…8
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.000
- Высота
- +0.000
- Indoor
- +0.000
- P1 serve до → после
- 63,38% → 63,38%
- P2 serve до → после
- 58,17% → 58,17%
Усталость и переход покрытия
- Alibek Kachmazov
- 0 матч. / 0 геймов за 7 дней · отдых 195,0 дн. · переход нет
- Hou Chun-Chien
- 0 матч. / 0 геймов за 7 дней · отдых 342,0 дн. · переход нет
Serve/Return CatBoost → Markov
- Alibek Kachmazov: P(очко на подаче)
- 65,59%
- Hou Chun-Chien: P(очко на подаче)
- 53,32%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Alibek Kachmazov: P(очко на подаче)
- 63,96%
- Hou Chun-Chien: P(очко на подаче)
- 53,40%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Alibek Kachmazov: P(очко на подаче)
- 65,75%
- Hou Chun-Chien: P(очко на подаче)
- 53,38%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Alibek Kachmazov: P(очко на подаче)
- 65,10%
- Hou Chun-Chien: P(очко на подаче)
- 53,37%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Alexander Donski — Omar Jasika
ATP Challenger. Taipei. Taiwan. Hard. Qualifying · Hard · начало 01.11.2026 10:55 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
Консенсус Research
Alexander Donski · 53,0%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Alexander Donski61,6% · odds 2,36 | — | — | 50% |
| Взвешенный консенсус weighted-consensus-v1-af27edcb6a8b50d015844ff3 | Alexander Donski53,0% · odds 2,36 | не рассчитывает | не рассчитывает | 85%высокая |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Alexander Donski57,4% · odds 2,36 | не рассчитывает | не рассчитывает | 100%высокая |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Alexander Donski52,2% · odds 2,36 | не рассчитывает | не рассчитывает | 90%высокая |
| Monte Carlo monte-carlo-v2-context-20000 | Alexander Donski52,1% · odds 2,36 | не рассчитывает | не рассчитывает | 90%высокая |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Omar Jasika57,0% · odds 1,52 | не рассчитывает | не рассчитывает | 39%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Omar Jasika53,0% · odds 1,52 | не рассчитывает | не рассчитывает | 39%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Omar Jasika58,5% · odds 1,52 | не рассчитывает | не рассчитывает | 39%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Omar Jasika55,8% · odds 1,52 | не рассчитывает | не рассчитывает | 39%ограниченная |
Параметры point-level
- Alexander Donski на подаче
- 62,14%
- Omar Jasika на подаче
- 61,72%
- Среднее покрытия
- 61,54%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
2:026,5%2:125,7%1:224,3%0:223,6%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 17–35
- 90% диапазон разницы П1
- -7…7
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.000
- Высота
- +0.000
- Indoor
- +0.000
- P1 serve до → после
- 62,14% → 62,14%
- P2 serve до → после
- 61,72% → 61,72%
Усталость и переход покрытия
- Alexander Donski
- 0 матч. / 0 геймов за 7 дней · отдых 153,0 дн. · переход нет
- Omar Jasika
- 0 матч. / 0 геймов за 7 дней · отдых 167,0 дн. · переход нет
Serve/Return CatBoost → Markov
- Alexander Donski: P(очко на подаче)
- 60,99%
- Omar Jasika: P(очко на подаче)
- 62,37%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Alexander Donski: P(очко на подаче)
- 61,83%
- Omar Jasika: P(очко на подаче)
- 62,43%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Alexander Donski: P(очко на подаче)
- 60,91%
- Omar Jasika: P(очко на подаче)
- 62,60%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Alexander Donski: P(очко на подаче)
- 61,24%
- Omar Jasika: P(очко на подаче)
- 62,47%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Alafia Ayeni — Kaichi Uchida
ATP Challenger. Taipei. Taiwan. Hard. Qualifying · Hard · начало 01.11.2026 11:15 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
Консенсус Research
Kaichi Uchida · 51,0%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Alafia Ayeni61,7% · odds 1,85 | — | — | 50% |
| Взвешенный консенсус weighted-consensus-v1-af27edcb6a8b50d015844ff3 | Kaichi Uchida51,0% · odds 1,85 | не рассчитывает | не рассчитывает | 85%высокая |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Alafia Ayeni56,1% · odds 1,85 | не рассчитывает | не рассчитывает | 100%высокая |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Alafia Ayeni50,4% · odds 1,85 | не рассчитывает | не рассчитывает | 90%высокая |
| Monte Carlo monte-carlo-v2-context-20000 | Kaichi Uchida50,2% · odds 1,85 | не рассчитывает | не рассчитывает | 90%высокая |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Kaichi Uchida71,8% · odds 1,85 | не рассчитывает | не рассчитывает | 39%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Kaichi Uchida71,4% · odds 1,85 | не рассчитывает | не рассчитывает | 39%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Kaichi Uchida70,9% · odds 1,85 | не рассчитывает | не рассчитывает | 39%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Kaichi Uchida71,2% · odds 1,85 | не рассчитывает | не рассчитывает | 39%ограниченная |
Параметры point-level
- Alafia Ayeni на подаче
- 62,46%
- Kaichi Uchida на подаче
- 62,39%
- Среднее покрытия
- 61,54%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
2:025,3%2:125,1%1:224,9%0:224,7%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 17–35
- 90% диапазон разницы П1
- -6…6
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.000
- Высота
- +0.000
- Indoor
- +0.000
- P1 serve до → после
- 62,91% → 62,46%
- P2 serve до → после
- 62,84% → 62,39%
Усталость и переход покрытия
- Alafia Ayeni
- 0 матч. / 0 геймов за 7 дней · отдых 153,0 дн. · переход да
- Kaichi Uchida
- 0 матч. / 0 геймов за 7 дней · отдых 174,0 дн. · переход да
Serve/Return CatBoost → Markov
- Alafia Ayeni: P(очко на подаче)
- 59,96%
- Kaichi Uchida: P(очко на подаче)
- 64,52%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Alafia Ayeni: P(очко на подаче)
- 59,92%
- Kaichi Uchida: P(очко на подаче)
- 64,39%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Alafia Ayeni: P(очко на подаче)
- 59,75%
- Kaichi Uchida: P(очко на подаче)
- 64,07%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Alafia Ayeni: P(очко на подаче)
- 59,88%
- Kaichi Uchida: P(очко на подаче)
- 64,33%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Viktoria Morvayova — Weronika Falkowska
WTA 250. Chennai. India. Hard. Qualifying · Hard · начало 01.11.2026 11:35 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
Консенсус Research
Viktoria Morvayova · 58,6%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Viktoria Morvayova57,3% · odds 1,97 | Меньше 21,559,3% · ожид. 21,50 | Viktoria Morvayova +1,561,9% · ожид. +0.93522 | 50% |
| Взвешенный консенсус weighted-consensus-v1-ebab3375cd981a5220497eec | Viktoria Morvayova58,6% · odds 1,97 | Больше 21,560,1% · ожид. 24,07 · odds 1,84 | Viktoria Morvayova +1,566,2% · ожид. +1.12667 · odds 1,80 | 78%высокая |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Viktoria Morvayova56,9% · odds 1,97 | не рассчитывает | не рассчитывает | 100%высокая |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Viktoria Morvayova53,7% · odds 1,97 | Больше 21,562,4% · ожид. 24,36 · odds 1,84 | Viktoria Morvayova +1,560,2% · ожид. +0.410813 · odds 1,80 | 90%высокая |
| Monte Carlo monte-carlo-v2-context-20000 | Viktoria Morvayova53,9% · odds 1,97 | Больше 21,561,6% · ожид. 24,28 · odds 1,84 | Viktoria Morvayova +1,560,5% · ожид. +0.41905 · odds 1,80 | 90%высокая |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Viktoria Morvayova73,9% · odds 1,97 | Больше 21,556,3% · ожид. 23,56 · odds 1,84 | Viktoria Morvayova +1,579,1% · ожид. +2.70624 · odds 1,80 | 39%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Viktoria Morvayova72,8% · odds 1,97 | Больше 21,557,1% · ожид. 23,67 · odds 1,84 | Viktoria Morvayova +1,578,1% · ожид. +2.5584 · odds 1,80 | 39%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Viktoria Morvayova75,3% · odds 1,97 | Больше 21,555,7% · ожид. 23,50 · odds 1,84 | Viktoria Morvayova +1,580,4% · ожид. +2.86291 · odds 1,80 | 39%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Viktoria Morvayova73,5% · odds 1,97 | Больше 21,555,3% · ожид. 23,44 · odds 1,84 | Viktoria Morvayova +1,578,6% · ожид. +2.6901 · odds 1,80 | 39%ограниченная |
Параметры point-level
- Viktoria Morvayova на подаче
- 55,69%
- Weronika Falkowska на подаче
- 54,99%
- Среднее покрытия
- 54,84%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
2:027,5%2:126,2%1:223,7%0:222,6%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 16–34
- 90% диапазон разницы П1
- -7…7
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.000
- Высота
- +0.000
- Indoor
- +0.000
- P1 serve до → после
- 55,69% → 55,69%
- P2 serve до → после
- 55,44% → 54,99%
Усталость и переход покрытия
- Viktoria Morvayova
- 0 матч. / 0 геймов за 7 дней · отдых 153,0 дн. · переход нет
- Weronika Falkowska
- 0 матч. / 0 геймов за 7 дней · отдых 160,0 дн. · переход да
Serve/Return CatBoost → Markov
- Viktoria Morvayova: P(очко на подаче)
- 57,90%
- Weronika Falkowska: P(очко на подаче)
- 53,08%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Viktoria Morvayova: P(очко на подаче)
- 58,16%
- Weronika Falkowska: P(очко на подаче)
- 53,60%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Viktoria Morvayova: P(очко на подаче)
- 58,68%
- Weronika Falkowska: P(очко на подаче)
- 53,50%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Viktoria Morvayova: P(очко на подаче)
- 58,25%
- Weronika Falkowska: P(очко на подаче)
- 53,39%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Kyoka Okamura — Momoko Kobori
WTA 250. Chennai. India. Hard. Qualifying · Hard · начало 01.11.2026 11:35 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
Консенсус Research
Momoko Kobori · 54,3%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Momoko Kobori51,3% · odds 3,00 | Меньше 20,550,3% · ожид. 22,13 | Momoko Kobori +3,581,7% · ожид. -0.0851797 | 50% |
| Взвешенный консенсус weighted-consensus-v1-ebab3375cd981a5220497eec | Momoko Kobori54,3% · odds 3,00 | Больше 20,566,1% · ожид. 24,15 · odds 1,82 | Momoko Kobori +3,570,4% · ожид. -0.289974 · odds 2,00 | 78%высокая |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Momoko Kobori56,5% · odds 3,00 | не рассчитывает | не рассчитывает | 100%высокая |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Momoko Kobori59,4% · odds 3,00 | Больше 20,566,4% · ожид. 24,21 · odds 1,82 | Momoko Kobori +3,576,3% · ожид. -1.04022 · odds 2,00 | 90%высокая |
| Monte Carlo monte-carlo-v2-context-20000 | Momoko Kobori59,0% · odds 3,00 | Больше 20,566,5% · ожид. 24,17 · odds 1,82 | Momoko Kobori +3,576,0% · ожид. -1.02415 · odds 2,00 | 90%высокая |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Kyoka Okamura61,5% · odds 1,36 | Больше 20,565,9% · ожид. 24,14 · odds 1,82 | Momoko Kobori +3,558,5% · ожид. +1.28317 · odds 2,00 | 37%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Kyoka Okamura63,7% · odds 1,36 | Больше 20,565,4% · ожид. 24,06 · odds 1,82 | Momoko Kobori +3,556,4% · ожид. +1.52791 · odds 2,00 | 37%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Kyoka Okamura64,1% · odds 1,36 | Больше 20,565,2% · ожид. 24,04 · odds 1,82 | Momoko Kobori +3,555,9% · ожид. +1.57745 · odds 2,00 | 37%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Kyoka Okamura63,3% · odds 1,36 | Больше 20,565,2% · ожид. 24,03 · odds 1,82 | Momoko Kobori +3,556,9% · ожид. +1.4594 · odds 2,00 | 37%ограниченная |
Параметры point-level
- Kyoka Okamura на подаче
- 53,86%
- Momoko Kobori на подаче
- 55,64%
- Среднее покрытия
- 54,84%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
0:231,7%1:227,7%2:121,5%2:019,1%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 16–34
- 90% диапазон разницы П1
- -8…7
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.000
- Высота
- +0.000
- Indoor
- +0.000
- P1 serve до → после
- 53,86% → 53,86%
- P2 serve до → после
- 55,64% → 55,64%
Усталость и переход покрытия
- Kyoka Okamura
- 0 матч. / 0 геймов за 7 дней · отдых 153,0 дн. · переход нет
- Momoko Kobori
- 0 матч. / 0 геймов за 7 дней · отдых 167,0 дн. · переход нет
Serve/Return CatBoost → Markov
- Kyoka Okamura: P(очко на подаче)
- 55,73%
- Momoko Kobori: P(очко на подаче)
- 53,54%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Kyoka Okamura: P(очко на подаче)
- 55,92%
- Momoko Kobori: P(очко на подаче)
- 53,30%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Kyoka Okamura: P(очко на подаче)
- 55,91%
- Momoko Kobori: P(очко на подаче)
- 53,21%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Kyoka Okamura: P(очко на подаче)
- 55,86%
- Momoko Kobori: P(очко на подаче)
- 53,35%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Aliona Falei — Rada Zolotareva
WTA 250. Chennai. India. Hard. Qualifying · Hard · начало 01.11.2026 11:35 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
Консенсус Research
Aliona Falei · 70,1%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Aliona Falei75,0% · odds 1,34 | Меньше 20,557,2% · ожид. 21,17 | Aliona Falei -3,553,7% · ожид. +3.42441 | 50% |
| Взвешенный консенсус weighted-consensus-v1-ebab3375cd981a5220497eec | Aliona Falei70,1% · odds 1,34 | Больше 20,561,8% · ожид. 23,57 · odds 2,00 | Aliona Falei -3,552,1% · ожид. +2.44063 · odds 1,73 | 78%высокая |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Aliona Falei68,7% · odds 1,34 | не рассчитывает | не рассчитывает | 100%высокая |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Aliona Falei69,5% · odds 1,34 | Больше 20,562,8% · ожид. 23,69 · odds 2,00 | Aliona Falei -3,550,0% · ожид. +2.22191 · odds 1,73 | 90%высокая |
| Monte Carlo monte-carlo-v2-context-20000 | Aliona Falei69,5% · odds 1,34 | Больше 20,562,7% · ожид. 23,72 · odds 2,00 | Aliona Falei -3,550,0% · ожид. +2.2179 · odds 1,73 | 90%высокая |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Aliona Falei77,7% · odds 1,34 | Больше 20,558,4% · ожид. 23,11 · odds 2,00 | Aliona Falei -3,559,4% · ожид. +3.22046 · odds 1,73 | 30%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Aliona Falei76,0% · odds 1,34 | Больше 20,559,6% · ожид. 23,27 · odds 2,00 | Aliona Falei -3,557,2% · ожид. +2.99539 · odds 1,73 | 30%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Aliona Falei75,9% · odds 1,34 | Больше 20,559,7% · ожид. 23,29 · odds 2,00 | Aliona Falei -3,557,0% · ожид. +2.97939 · odds 1,73 | 30%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Aliona Falei76,4% · odds 1,34 | Больше 20,559,0% · ожид. 23,18 · odds 2,00 | Aliona Falei -3,558,2% · ожид. +3.076 · odds 1,73 | 30%ограниченная |
Параметры point-level
- Aliona Falei на подаче
- 55,02%
- Rada Zolotareva на подаче
- 51,21%
- Среднее покрытия
- 54,84%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
2:040,1%2:129,4%1:217,0%0:213,5%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 16–33
- 90% диапазон разницы П1
- -6…8
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.000
- Высота
- +0.000
- Indoor
- +0.000
- P1 serve до → после
- 55,47% → 55,02%
- P2 serve до → после
- 51,66% → 51,21%
Усталость и переход покрытия
- Aliona Falei
- 0 матч. / 0 геймов за 7 дней · отдых 174,0 дн. · переход да
- Rada Zolotareva
- 0 матч. / 0 геймов за 7 дней · отдых 188,0 дн. · переход да
Serve/Return CatBoost → Markov
- Aliona Falei: P(очко на подаче)
- 56,60%
- Rada Zolotareva: P(очко на подаче)
- 50,89%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Aliona Falei: P(очко на подаче)
- 56,41%
- Rada Zolotareva: P(очко на подаче)
- 51,14%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Aliona Falei: P(очко на подаче)
- 56,71%
- Rada Zolotareva: P(очко на подаче)
- 51,45%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Aliona Falei: P(очко на подаче)
- 56,57%
- Rada Zolotareva: P(очко на подаче)
- 51,16%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Lilli Tagger — Harriet Dart
WTA 250. Guangzhou. China · Hard · начало 01.11.2026 11:35 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
Консенсус Research
Lilli Tagger · 53,8%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Lilli Tagger52,1% · odds 1,29 | Меньше 20,550,3% · ожид. 22,20 | Harriet Dart +4,569,8% · ожид. +0.639048 | 50% |
| Взвешенный консенсус weighted-consensus-v1-e4da13ab7570d85cf00ef5ae | Lilli Tagger53,8% · odds 1,29 | Больше 20,564,6% · ожид. 24,00 · odds 1,92 | Harriet Dart +4,569,5% · ожид. +1.09114 · odds 1,94 | 78%высокая |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Harriet Dart53,6% · odds 3,60 | не рассчитывает | не рассчитывает | 100%высокая |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Lilli Tagger51,1% · odds 1,29 | Больше 20,567,6% · ожид. 24,39 · odds 1,92 | Harriet Dart +4,577,1% · ожид. +0.118035 · odds 1,94 | 90%высокая |
| Monte Carlo monte-carlo-v2-context-20000 | Lilli Tagger51,3% · odds 1,29 | Больше 20,567,2% · ожид. 24,36 · odds 1,92 | Harriet Dart +4,576,8% · ожид. +0.11055 · odds 1,94 | 90%высокая |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Lilli Tagger74,3% · odds 1,29 | Больше 20,561,7% · ожид. 23,61 · odds 1,92 | Harriet Dart +4,558,0% · ожид. +2.7218 · odds 1,94 | 39%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Lilli Tagger80,9% · odds 1,29 | Больше 20,557,1% · ожид. 22,99 · odds 1,92 | Harriet Dart +4,550,3% · ожид. +3.54359 · odds 1,94 | 39%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Lilli Tagger80,6% · odds 1,29 | Больше 20,557,4% · ожид. 23,04 · odds 1,92 | Harriet Dart +4,550,7% · ожид. +3.50233 · odds 1,94 | 39%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Lilli Tagger78,3% · odds 1,29 | Больше 20,558,2% · ожид. 23,10 · odds 1,92 | Harriet Dart +4,552,4% · ожид. +3.25625 · odds 1,94 | 39%ограниченная |
Параметры point-level
- Lilli Tagger на подаче
- 55,61%
- Harriet Dart на подаче
- 55,41%
- Среднее покрытия
- 54,84%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
2:025,7%2:125,4%1:224,6%0:224,3%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 16–34
- 90% диапазон разницы П1
- -7…7
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.000
- Высота
- +0.000
- Indoor
- +0.000
- P1 serve до → после
- 56,06% → 55,61%
- P2 serve до → после
- 55,86% → 55,41%
Усталость и переход покрытия
- Lilli Tagger
- 0 матч. / 0 геймов за 7 дней · отдых 174,0 дн. · переход да
- Harriet Dart
- 0 матч. / 0 геймов за 7 дней · отдых 153,0 дн. · переход да
Serve/Return CatBoost → Markov
- Lilli Tagger: P(очко на подаче)
- 58,88%
- Harriet Dart: P(очко на подаче)
- 53,95%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Lilli Tagger: P(очко на подаче)
- 59,69%
- Harriet Dart: P(очко на подаче)
- 53,09%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Lilli Tagger: P(очко на подаче)
- 59,85%
- Harriet Dart: P(очко на подаче)
- 53,31%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Lilli Tagger: P(очко на подаче)
- 59,47%
- Harriet Dart: P(очко на подаче)
- 53,45%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Marie Vogt — Kayo Nishimura
World Tennis W15. Monastir. Tunisia · Hard · начало 01.11.2026 12:05 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
Консенсус Research
Kayo Nishimura · 54,7%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Marie Vogt53,6% · odds 2,36 | Меньше 20,556,0% · ожид. 21,42 | Marie Vogt +3,567,5% · ожид. +1.48172 | 50% |
| Взвешенный консенсус weighted-consensus-v1-de0b3c4fea5f57728044a029 | Kayo Nishimura54,7% · odds 1,52 | Больше 20,566,4% · ожид. 24,16 · odds 1,79 | Marie Vogt +3,568,2% · ожид. -0.0161265 · odds 1,75 | 78%высокая |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Kayo Nishimura60,4% · odds 1,52 | не рассчитывает | не рассчитывает | 100%высокая |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Kayo Nishimura53,2% · odds 1,52 | Больше 20,566,6% · ожид. 24,20 · odds 1,79 | Marie Vogt +3,565,8% · ожид. -0.353854 · odds 1,75 | 90%высокая |
| Monte Carlo monte-carlo-v2-context-20000 | Kayo Nishimura54,0% · odds 1,52 | Больше 20,566,1% · ожид. 24,12 · odds 1,79 | Marie Vogt +3,564,9% · ожид. -0.44555 · odds 1,75 | 90%высокая |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Marie Vogt53,6% · odds 2,36 | Больше 20,566,7% · ожид. 24,22 · odds 1,79 | Marie Vogt +3,571,5% · ожид. +0.399247 · odds 1,75 | 39%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Marie Vogt60,5% · odds 2,36 | Больше 20,566,0% · ожид. 24,15 · odds 1,79 | Marie Vogt +3,577,1% · ожид. +1.17154 · odds 1,75 | 39%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Marie Vogt58,1% · odds 2,36 | Больше 20,566,3% · ожид. 24,17 · odds 1,79 | Marie Vogt +3,575,2% · ожид. +0.909793 · odds 1,75 | 39%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Marie Vogt57,5% · odds 2,36 | Больше 20,566,3% · ожид. 24,12 · odds 1,79 | Marie Vogt +3,574,2% · ожид. +0.8549 · odds 1,75 | 39%ограниченная |
Параметры point-level
- Marie Vogt на подаче
- 52,52%
- Kayo Nishimura на подаче
- 53,11%
- Среднее покрытия
- 54,84%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
0:227,1%1:226,0%2:123,9%2:022,9%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 16–33
- 90% диапазон разницы П1
- -8…7
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.000
- Высота
- +0.000
- Indoor
- +0.000
- P1 serve до → после
- 52,97% → 52,52%
- P2 serve до → после
- 53,11% → 53,11%
Усталость и переход покрытия
- Marie Vogt
- 0 матч. / 0 геймов за 7 дней · отдых 160,0 дн. · переход да
- Kayo Nishimura
- 0 матч. / 0 геймов за 7 дней · отдых 174,0 дн. · переход нет
Serve/Return CatBoost → Markov
- Marie Vogt: P(очко на подаче)
- 53,53%
- Kayo Nishimura: P(очко на подаче)
- 52,86%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Marie Vogt: P(очко на подаче)
- 55,25%
- Kayo Nishimura: P(очко на подаче)
- 53,26%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Marie Vogt: P(очко на подаче)
- 54,38%
- Kayo Nishimura: P(очко на подаче)
- 52,85%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Marie Vogt: P(очко на подаче)
- 54,39%
- Kayo Nishimura: P(очко на подаче)
- 52,99%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Rafael Izquierdo Luque — Ziga Sesko
ATP Challenger. Taranto. Italy. Hard. Qualifying · Hard · начало 01.11.2026 12:05 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
Консенсус Research
Rafael Izquierdo Luque · 50,5%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Ziga Sesko50,5% · odds 1,52 | — | — | 50% |
| Взвешенный консенсус weighted-consensus-v1-b8f854ecded5c65167a31045 | Rafael Izquierdo Luque50,5% · odds 2,36 | не рассчитывает | не рассчитывает | 63%средняя |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Rafael Izquierdo Luque55,0% · odds 2,36 | не рассчитывает | не рассчитывает | 53%средняя |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Ziga Sesko50,9% · odds 1,52 | не рассчитывает | не рассчитывает | 81%высокая |
| Monte Carlo monte-carlo-v2-context-20000 | Ziga Sesko50,9% · odds 1,52 | не рассчитывает | не рассчитывает | 81%высокая |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Ziga Sesko52,8% · odds 1,52 | не рассчитывает | не рассчитывает | 28%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Ziga Sesko55,4% · odds 1,52 | не рассчитывает | не рассчитывает | 29%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Ziga Sesko54,4% · odds 1,52 | не рассчитывает | не рассчитывает | 28%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Ziga Sesko53,9% · odds 1,52 | не рассчитывает | не рассчитывает | 28%ограниченная |
Параметры point-level
- Rafael Izquierdo Luque на подаче
- 56,77%
- Ziga Sesko на подаче
- 56,93%
- Среднее покрытия
- 61,54%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
0:225,6%1:225,3%2:124,7%2:024,4%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 16–34
- 90% диапазон разницы П1
- -7…7
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.000
- Высота
- +0.000
- Indoor
- +0.000
- P1 serve до → после
- 57,22% → 56,77%
- P2 serve до → после
- 57,38% → 56,93%
Усталость и переход покрытия
- Rafael Izquierdo Luque
- 0 матч. / 0 геймов за 7 дней · отдых 153,0 дн. · переход да
- Ziga Sesko
- 0 матч. / 0 геймов за 7 дней · отдых 167,0 дн. · переход да
Serve/Return CatBoost → Markov
- Rafael Izquierdo Luque: P(очко на подаче)
- 58,36%
- Ziga Sesko: P(очко на подаче)
- 58,91%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Rafael Izquierdo Luque: P(очко на подаче)
- 58,14%
- Ziga Sesko: P(очко на подаче)
- 59,18%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Rafael Izquierdo Luque: P(очко на подаче)
- 57,76%
- Ziga Sesko: P(очко на подаче)
- 58,60%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Rafael Izquierdo Luque: P(очко на подаче)
- 58,09%
- Ziga Sesko: P(очко на подаче)
- 58,90%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Manas Dhamne — Loann Massard
ATP Challenger. Taranto. Italy. Hard. Qualifying · Hard · начало 01.11.2026 12:05 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
Консенсус Research
Manas Dhamne · 61,2%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Manas Dhamne76,3% · odds 1,48 | — | — | 50% |
| Взвешенный консенсус weighted-consensus-v1-b8f854ecded5c65167a31045 | Manas Dhamne61,2% · odds 1,48 | не рассчитывает | не рассчитывает | 85%высокая |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Manas Dhamne59,3% · odds 1,48 | не рассчитывает | не рассчитывает | 100%высокая |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Manas Dhamne58,6% · odds 1,48 | не рассчитывает | не рассчитывает | 90%высокая |
| Monte Carlo monte-carlo-v2-context-20000 | Manas Dhamne58,4% · odds 1,48 | не рассчитывает | не рассчитывает | 90%высокая |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Manas Dhamne73,5% · odds 1,48 | не рассчитывает | не рассчитывает | 39%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Manas Dhamne71,5% · odds 1,48 | не рассчитывает | не рассчитывает | 39%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Manas Dhamne70,4% · odds 1,48 | не рассчитывает | не рассчитывает | 39%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Manas Dhamne71,9% · odds 1,48 | не рассчитывает | не рассчитывает | 39%ограниченная |
Параметры point-level
- Manas Dhamne на подаче
- 59,50%
- Loann Massard на подаче
- 57,84%
- Среднее покрытия
- 61,54%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
2:031,1%2:127,5%1:221,8%0:219,6%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 16–34
- 90% диапазон разницы П1
- -7…7
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.000
- Высота
- +0.000
- Indoor
- +0.000
- P1 serve до → после
- 59,95% → 59,50%
- P2 serve до → после
- 58,29% → 57,84%
Усталость и переход покрытия
- Manas Dhamne
- 0 матч. / 0 геймов за 7 дней · отдых 153,0 дн. · переход да
- Loann Massard
- 0 матч. / 0 геймов за 7 дней · отдых 153,0 дн. · переход да
Serve/Return CatBoost → Markov
- Manas Dhamne: P(очко на подаче)
- 63,42%
- Loann Massard: P(очко на подаче)
- 58,52%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Manas Dhamne: P(очко на подаче)
- 63,09%
- Loann Massard: P(очко на подаче)
- 58,67%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Manas Dhamne: P(очко на подаче)
- 62,83%
- Loann Massard: P(очко на подаче)
- 58,65%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Manas Dhamne: P(очко на подаче)
- 63,11%
- Loann Massard: P(очко на подаче)
- 58,62%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Leonardo Borrelli — Nico Hipfl
ATP Challenger. Taranto. Italy. Hard. Qualifying · Hard · начало 01.11.2026 12:05 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
Консенсус Research
Nico Hipfl · 79,8%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Nico Hipfl77,1% · odds 1,25 | — | — | 50% |
| Взвешенный консенсус weighted-consensus-v1-b8f854ecded5c65167a31045 | Nico Hipfl79,8% · odds 1,25 | не рассчитывает | не рассчитывает | 59%средняя |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Nico Hipfl69,1% · odds 1,25 | не рассчитывает | не рассчитывает | 42%ограниченная |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Nico Hipfl85,4% · odds 1,25 | не рассчитывает | не рассчитывает | 79%высокая |
| Monte Carlo monte-carlo-v2-context-20000 | Nico Hipfl85,4% · odds 1,25 | не рассчитывает | не рассчитывает | 79%высокая |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Nico Hipfl78,0% · odds 1,25 | не рассчитывает | не рассчитывает | 25%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Nico Hipfl81,4% · odds 1,25 | не рассчитывает | не рассчитывает | 25%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Nico Hipfl81,9% · odds 1,25 | не рассчитывает | не рассчитывает | 25%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Nico Hipfl79,7% · odds 1,25 | не рассчитывает | не рассчитывает | 25%ограниченная |
Параметры point-level
- Leonardo Borrelli на подаче
- 56,95%
- Nico Hipfl на подаче
- 65,19%
- Среднее покрытия
- 61,54%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
0:257,6%1:227,8%2:18,8%2:05,8%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 16–33
- 90% диапазон разницы П1
- -8…4
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.000
- Высота
- +0.000
- Indoor
- +0.000
- P1 serve до → после
- 57,40% → 56,95%
- P2 serve до → после
- 65,64% → 65,19%
Усталость и переход покрытия
- Leonardo Borrelli
- 0 матч. / 0 геймов за 7 дней · отдых 160,0 дн. · переход да
- Nico Hipfl
- 0 матч. / 0 геймов за 7 дней · отдых 160,0 дн. · переход да
Serve/Return CatBoost → Markov
- Leonardo Borrelli: P(очко на подаче)
- 58,19%
- Nico Hipfl: P(очко на подаче)
- 64,22%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Leonardo Borrelli: P(очко на подаче)
- 57,54%
- Nico Hipfl: P(очко на подаче)
- 64,50%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Leonardo Borrelli: P(очко на подаче)
- 57,17%
- Nico Hipfl: P(очко на подаче)
- 64,27%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Leonardo Borrelli: P(очко на подаче)
- 57,63%
- Nico Hipfl: P(очко на подаче)
- 64,33%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Elsa Jacquemot — Lilli Tagger
WTA 250. Chennai. India · Hard · начало 01.11.2026 12:35 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
Консенсус Research
Lilli Tagger · 59,7%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Lilli Tagger75,6% · odds 3,90 | Меньше 19,552,7% · ожид. 21,16 | Lilli Tagger +4,595,2% · ожид. -3.49453 | 50% |
| Взвешенный консенсус weighted-consensus-v1-020aa99c8f64ba24b4b90f64 | Lilli Tagger59,7% · odds 3,90 | Больше 19,573,6% · ожид. 24,36 · odds 1,80 | Lilli Tagger +4,583,8% · ожид. -0.9904 · odds 1,90 | 78%высокая |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Lilli Tagger60,6% · odds 3,90 | не рассчитывает | не рассчитывает | 100%высокая |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Lilli Tagger64,4% · odds 3,90 | Больше 19,573,1% · ожид. 24,27 · odds 1,80 | Lilli Tagger +4,586,9% · ожид. -1.56664 · odds 1,90 | 90%высокая |
| Monte Carlo monte-carlo-v2-context-20000 | Lilli Tagger64,2% · odds 3,90 | Больше 19,572,6% · ожид. 24,23 · odds 1,80 | Lilli Tagger +4,586,9% · ожид. -1.5719 · odds 1,90 | 90%высокая |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Elsa Jacquemot53,9% · odds 1,26 | Больше 19,575,4% · ожид. 24,62 · odds 1,80 | Lilli Tagger +4,576,4% · ожид. +0.415873 · odds 1,90 | 39%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Elsa Jacquemot53,5% · odds 1,26 | Больше 19,575,5% · ожид. 24,64 · odds 1,80 | Lilli Tagger +4,576,7% · ожид. +0.373374 · odds 1,90 | 39%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Elsa Jacquemot51,1% · odds 1,26 | Больше 19,575,0% · ожид. 24,55 · odds 1,80 | Lilli Tagger +4,577,8% · ожид. +0.124071 · odds 1,90 | 39%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Elsa Jacquemot52,5% · odds 1,26 | Больше 19,574,8% · ожид. 24,54 · odds 1,80 | Lilli Tagger +4,576,7% · ожид. +0.2565 · odds 1,90 | 39%ограниченная |
Параметры point-level
- Elsa Jacquemot на подаче
- 55,84%
- Lilli Tagger на подаче
- 58,64%
- Среднее покрытия
- 54,84%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
0:235,7%1:228,7%2:119,4%2:016,2%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 16–34
- 90% диапазон разницы П1
- -8…6
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.000
- Высота
- +0.000
- Indoor
- +0.000
- P1 serve до → после
- 56,29% → 55,84%
- P2 serve до → после
- 59,09% → 58,64%
Усталость и переход покрытия
- Elsa Jacquemot
- 0 матч. / 0 геймов за 7 дней · отдых 168,0 дн. · переход да
- Lilli Tagger
- 0 матч. / 0 геймов за 7 дней · отдых 174,0 дн. · переход да
Serve/Return CatBoost → Markov
- Elsa Jacquemot: P(очко на подаче)
- 58,24%
- Lilli Tagger: P(очко на подаче)
- 57,50%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Elsa Jacquemot: P(очко на подаче)
- 58,37%
- Lilli Tagger: P(очко на подаче)
- 57,70%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Elsa Jacquemot: P(очко на подаче)
- 57,27%
- Lilli Tagger: P(очко на подаче)
- 57,05%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Elsa Jacquemot: P(очко на подаче)
- 57,96%
- Lilli Tagger: P(очко на подаче)
- 57,42%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Sahaja Yamalapalli — Simona Waltert
WTA 250. Chennai. India · Hard · начало 01.11.2026 12:35 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
Консенсус Research
Simona Waltert · 59,9%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Simona Waltert76,9% · odds 1,02 | Больше 17,560,7% · ожид. 21,06 | Sahaja Yamalapalli +6,567,5% · ожид. -3.95722 | 50% |
| Взвешенный консенсус weighted-consensus-v1-020aa99c8f64ba24b4b90f64 | Simona Waltert59,9% · odds 1,02 | Больше 17,582,4% · ожид. 23,45 · odds 1,85 | Sahaja Yamalapalli +6,582,5% · ожид. -1.94837 · odds 2,08 | 78%высокая |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Simona Waltert51,6% · odds 1,02 | не рассчитывает | не рассчитывает | 100%высокая |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Simona Waltert56,7% · odds 1,02 | Больше 17,586,9% · ожид. 24,23 · odds 1,85 | Sahaja Yamalapalli +6,589,2% · ожид. -0.743938 · odds 2,08 | 90%высокая |
| Monte Carlo monte-carlo-v2-context-20000 | Simona Waltert56,8% · odds 1,02 | Больше 17,586,6% · ожид. 24,18 · odds 1,85 | Sahaja Yamalapalli +6,589,1% · ожид. -0.74935 · odds 2,08 | 90%высокая |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Simona Waltert87,4% · odds 1,02 | Больше 17,573,9% · ожид. 21,95 · odds 1,85 | Sahaja Yamalapalli +6,568,6% · ожид. -4.51684 · odds 2,08 | 39%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Simona Waltert87,6% · odds 1,02 | Больше 17,573,8% · ожид. 21,94 · odds 1,85 | Sahaja Yamalapalli +6,568,5% · ожид. -4.53538 · odds 2,08 | 39%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Simona Waltert89,5% · odds 1,02 | Больше 17,571,4% · ожид. 21,58 · odds 1,85 | Sahaja Yamalapalli +6,565,6% · ожид. -4.84205 · odds 2,08 | 39%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Simona Waltert87,2% · odds 1,02 | Больше 17,573,1% · ожид. 21,85 · odds 1,85 | Sahaja Yamalapalli +6,567,9% · ожид. -4.55435 · odds 2,08 | 39%ограниченная |
Параметры point-level
- Sahaja Yamalapalli на подаче
- 53,58%
- Simona Waltert на подаче
- 54,84%
- Среднее покрытия
- 54,84%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
0:229,7%1:227,0%2:122,6%2:020,7%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 16–34
- 90% диапазон разницы П1
- -8…7
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.000
- Высота
- +0.000
- Indoor
- +0.000
- P1 serve до → после
- 53,58% → 53,58%
- P2 serve до → после
- 55,29% → 54,84%
Усталость и переход покрытия
- Sahaja Yamalapalli
- 0 матч. / 0 геймов за 7 дней · отдых 153,0 дн. · переход нет
- Simona Waltert
- 0 матч. / 0 геймов за 7 дней · отдых 152,0 дн. · переход да
Serve/Return CatBoost → Markov
- Sahaja Yamalapalli: P(очко на подаче)
- 50,44%
- Simona Waltert: P(очко на подаче)
- 59,05%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Sahaja Yamalapalli: P(очко на подаче)
- 50,68%
- Simona Waltert: P(очко на подаче)
- 59,36%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Sahaja Yamalapalli: P(очко на подаче)
- 50,09%
- Simona Waltert: P(очко на подаче)
- 59,51%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Sahaja Yamalapalli: P(очко на подаче)
- 50,41%
- Simona Waltert: P(очко на подаче)
- 59,31%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Jodie Burrage — Vaishnavi Adkar
WTA 250. Chennai. India · Hard · начало 01.11.2026 12:35 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
Консенсус Research
Vaishnavi Adkar · 62,5%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Vaishnavi Adkar64,5% · odds 4,20 | Больше 19,551,2% · ожид. 21,70 | Vaishnavi Adkar +4,582,3% · ожид. -1.63724 | 50% |
| Взвешенный консенсус weighted-consensus-v1-020aa99c8f64ba24b4b90f64 | Vaishnavi Adkar62,5% · odds 4,20 | Больше 19,572,2% · ожид. 24,12 · odds 1,84 | Vaishnavi Adkar +4,585,9% · ожид. -1.50765 · odds 2,00 | 78%высокая |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Vaishnavi Adkar61,0% · odds 4,20 | не рассчитывает | не рассчитывает | 100%высокая |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Vaishnavi Adkar63,8% · odds 4,20 | Больше 19,572,3% · ожид. 24,14 · odds 1,84 | Vaishnavi Adkar +4,586,1% · ожид. -1.5298 · odds 2,00 | 90%высокая |
| Monte Carlo monte-carlo-v2-context-20000 | Vaishnavi Adkar64,1% · odds 4,20 | Больше 19,571,8% · ожид. 24,05 · odds 1,84 | Vaishnavi Adkar +4,585,9% · ожид. -1.5511 · odds 2,00 | 90%высокая |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Vaishnavi Adkar66,3% · odds 4,20 | Больше 19,571,5% · ожид. 24,02 · odds 1,84 | Vaishnavi Adkar +4,587,4% · ожид. -1.81236 · odds 2,00 | 39%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Vaishnavi Adkar62,0% · odds 4,20 | Больше 19,573,2% · ожид. 24,27 · odds 1,84 | Vaishnavi Adkar +4,585,4% · ожид. -1.32002 · odds 2,00 | 39%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Vaishnavi Adkar60,6% · odds 4,20 | Больше 19,573,2% · ожид. 24,26 · odds 1,84 | Vaishnavi Adkar +4,584,4% · ожид. -1.17065 · odds 2,00 | 39%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Vaishnavi Adkar63,0% · odds 4,20 | Больше 19,572,5% · ожид. 24,13 · odds 1,84 | Vaishnavi Adkar +4,585,5% · ожид. -1.43645 · odds 2,00 | 39%ограниченная |
Параметры point-level
- Jodie Burrage на подаче
- 54,34%
- Vaishnavi Adkar на подаче
- 57,00%
- Среднее покрытия
- 54,84%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
0:235,2%1:228,6%2:119,6%2:016,6%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 16–34
- 90% диапазон разницы П1
- -8…7
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.000
- Высота
- +0.000
- Indoor
- +0.000
- P1 serve до → после
- 54,79% → 54,34%
- P2 serve до → после
- 57,45% → 57,00%
Усталость и переход покрытия
- Jodie Burrage
- 0 матч. / 0 геймов за 7 дней · отдых 153,0 дн. · переход да
- Vaishnavi Adkar
- 0 матч. / 0 геймов за 7 дней · отдых 160,0 дн. · переход да
Serve/Return CatBoost → Markov
- Jodie Burrage: P(очко на подаче)
- 53,97%
- Vaishnavi Adkar: P(очко на подаче)
- 57,13%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Jodie Burrage: P(очко на подаче)
- 55,24%
- Vaishnavi Adkar: P(очко на подаче)
- 57,55%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Jodie Burrage: P(очко на подаче)
- 54,79%
- Vaishnavi Adkar: P(очко на подаче)
- 56,82%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Jodie Burrage: P(очко на подаче)
- 54,66%
- Vaishnavi Adkar: P(очко на подаче)
- 57,17%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Anastasia Zakharova — Polina Iatcenko
WTA 250. Chennai. India · Hard · начало 01.11.2026 12:35 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
Консенсус Research
Polina Iatcenko · 52,6%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Anastasia Zakharova54,3% · odds 1,57 | Меньше 20,551,9% · ожид. 21,94 | Anastasia Zakharova -2,557,5% · ожид. +2.31789 | 50% |
| Взвешенный консенсус weighted-consensus-v1-020aa99c8f64ba24b4b90f64 | Polina Iatcenko52,6% · odds 2,40 | Больше 20,565,8% · ожид. 24,13 · odds 1,85 | Polina Iatcenko +2,564,3% · ожид. -0.355729 · odds 1,96 | 78%высокая |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Polina Iatcenko51,6% · odds 2,40 | не рассчитывает | не рассчитывает | 100%высокая |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Polina Iatcenko60,5% · odds 2,40 | Больше 20,566,2% · ожид. 24,18 · odds 1,85 | Polina Iatcenko +2,571,3% · ожид. -1.16263 · odds 1,96 | 90%высокая |
| Monte Carlo monte-carlo-v2-context-20000 | Polina Iatcenko60,3% · odds 2,40 | Больше 20,565,5% · ожид. 24,08 · odds 1,85 | Polina Iatcenko +2,570,8% · ожид. -1.13205 · odds 1,96 | 90%высокая |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Anastasia Zakharova65,3% · odds 1,57 | Больше 20,565,0% · ожид. 24,02 · odds 1,85 | Anastasia Zakharova -2,553,4% · ожид. +1.7076 · odds 1,85 | 39%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Anastasia Zakharova60,1% · odds 1,57 | Больше 20,566,4% · ожид. 24,21 · odds 1,85 | Polina Iatcenko +2,552,0% · ожид. +1.12321 · odds 1,96 | 39%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Anastasia Zakharova62,4% · odds 1,57 | Больше 20,565,7% · ожид. 24,12 · odds 1,85 | Anastasia Zakharova -2,550,4% · ожид. +1.38252 · odds 1,85 | 39%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Anastasia Zakharova62,2% · odds 1,57 | Больше 20,565,8% · ожид. 24,12 · odds 1,85 | Anastasia Zakharova -2,550,3% · ожид. +1.38285 · odds 1,85 | 39%ограниченная |
Параметры point-level
- Anastasia Zakharova на подаче
- 53,75%
- Polina Iatcenko на подаче
- 55,74%
- Среднее покрытия
- 54,84%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
0:232,5%1:227,9%2:121,1%2:018,5%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 16–33
- 90% диапазон разницы П1
- -8…7
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.000
- Высота
- +0.000
- Indoor
- +0.000
- P1 serve до → после
- 54,20% → 53,75%
- P2 serve до → после
- 56,19% → 55,74%
Усталость и переход покрытия
- Anastasia Zakharova
- 0 матч. / 0 геймов за 7 дней · отдых 168,0 дн. · переход да
- Polina Iatcenko
- 0 матч. / 0 геймов за 7 дней · отдых 181,0 дн. · переход да
Serve/Return CatBoost → Markov
- Anastasia Zakharova: P(очко на подаче)
- 56,36%
- Polina Iatcenko: P(очко на подаче)
- 53,41%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Anastasia Zakharova: P(очко на подаче)
- 56,01%
- Polina Iatcenko: P(очко на подаче)
- 54,08%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Anastasia Zakharova: P(очко на подаче)
- 55,87%
- Polina Iatcenko: P(очко на подаче)
- 53,50%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Anastasia Zakharova: P(очко на подаче)
- 56,08%
- Polina Iatcenko: P(очко на подаче)
- 53,66%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Moyuka Uchijima — Rebecca Sramkova
WTA 250. Chennai. India · Hard · начало 01.11.2026 12:35 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
Консенсус Research
Rebecca Sramkova · 68,3%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Rebecca Sramkova92,7% · odds 1,47 | Меньше 21,575,9% · ожид. 18,37 | Rebecca Sramkova -3,589,6% · ожид. -5.55229 | 5% |
| Взвешенный консенсус weighted-consensus-v1-020aa99c8f64ba24b4b90f64 | Rebecca Sramkova68,3% · odds 1,47 | Больше 21,550,1% · ожид. 22,71 · odds 1,97 | Rebecca Sramkova -3,552,9% · ожид. -2.49485 · odds 1,93 | 59%средняя |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Rebecca Sramkova62,4% · odds 1,47 | не рассчитывает | не рассчитывает | 2%ограниченная |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Rebecca Sramkova60,1% · odds 1,47 | Больше 21,561,6% · ожид. 24,25 · odds 1,97 | Moyuka Uchijima +3,560,1% · ожид. -1.11805 · odds 1,87 | 73%средняя |
| Monte Carlo monte-carlo-v2-context-20000 | Rebecca Sramkova59,8% · odds 1,47 | Больше 21,559,2% · ожид. 23,93 · odds 1,97 | Moyuka Uchijima +3,559,2% · ожид. -1.13035 · odds 1,87 | 73%средняя |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Rebecca Sramkova98,3% · odds 1,47 | Меньше 21,580,5% · ожид. 18,64 · odds 1,83 | Rebecca Sramkova -3,593,0% · ожид. -6.80577 · odds 1,93 | 22%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Rebecca Sramkova98,9% · odds 1,47 | Меньше 21,583,7% · ожид. 18,19 · odds 1,83 | Rebecca Sramkova -3,594,7% · ожид. -7.056 · odds 1,93 | 22%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Rebecca Sramkova98,9% · odds 1,47 | Меньше 21,584,3% · ожид. 18,11 · odds 1,83 | Rebecca Sramkova -3,595,0% · ожид. -7.09827 · odds 1,93 | 22%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Rebecca Sramkova98,1% · odds 1,47 | Меньше 21,581,8% · ожид. 18,39 · odds 1,83 | Rebecca Sramkova -3,593,0% · ожид. -6.9266 · odds 1,93 | 22%ограниченная |
Параметры point-level
- Moyuka Uchijima на подаче
- 54,55%
- Rebecca Sramkova на подаче
- 56,48%
- Среднее покрытия
- 54,84%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
0:232,3%1:227,9%2:121,2%2:018,7%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 16–33
- 90% диапазон разницы П1
- -8…7
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.000
- Высота
- +0.000
- Indoor
- +0.000
- P1 serve до → после
- 54,55% → 54,55%
- P2 serve до → после
- 56,93% → 56,48%
Усталость и переход покрытия
- Moyuka Uchijima
- 0 матч. / 0 геймов за 7 дней · отдых 160,0 дн. · переход нет
- Rebecca Sramkova
- 0 матч. / 0 геймов за 7 дней · отдых 152,0 дн. · переход да
Serve/Return CatBoost → Markov
- Moyuka Uchijima: P(очко на подаче)
- 48,00%
- Rebecca Sramkova: P(очко на подаче)
- 64,03%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Moyuka Uchijima: P(очко на подаче)
- 48,00%
- Rebecca Sramkova: P(очко на подаче)
- 65,38%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Moyuka Uchijima: P(очко на подаче)
- 48,00%
- Rebecca Sramkova: P(очко на подаче)
- 65,62%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Moyuka Uchijima: P(очко на подаче)
- 48,00%
- Rebecca Sramkova: P(очко на подаче)
- 65,01%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Mananchaya Sawangkaew — Mai Hontama
WTA 250. Chennai. India · Hard · начало 01.11.2026 12:35 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
Консенсус Research
Mananchaya Sawangkaew · 68,0%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Mananchaya Sawangkaew77,1% · odds 1,48 | Меньше 20,557,2% · ожид. 21,04 | Mai Hontama +3,554,0% · ожид. +3.27924 | 50% |
| Взвешенный консенсус weighted-consensus-v1-020aa99c8f64ba24b4b90f64 | Mananchaya Sawangkaew68,0% · odds 1,48 | Больше 20,562,8% · ожид. 23,72 · odds 1,85 | Mai Hontama +3,550,3% · ожид. +2.19363 · odds 1,83 | 78%высокая |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Mananchaya Sawangkaew66,4% · odds 1,48 | не рассчитывает | не рассчитывает | 100%высокая |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Mananchaya Sawangkaew68,3% · odds 1,48 | Больше 20,563,6% · ожид. 23,81 · odds 1,85 | Mai Hontama +3,551,5% · ожид. +2.06577 · odds 1,83 | 90%высокая |
| Monte Carlo monte-carlo-v2-context-20000 | Mananchaya Sawangkaew67,6% · odds 1,48 | Больше 20,563,2% · ожид. 23,78 · odds 1,85 | Mai Hontama +3,552,0% · ожид. +2.00875 · odds 1,83 | 90%высокая |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Mananchaya Sawangkaew71,5% · odds 1,48 | Больше 20,562,4% · ожид. 23,66 · odds 1,85 | Mananchaya Sawangkaew -3,551,9% · ожид. +2.44256 · odds 1,98 | 39%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Mananchaya Sawangkaew70,5% · odds 1,48 | Больше 20,562,7% · ожид. 23,70 · odds 1,85 | Mananchaya Sawangkaew -3,550,8% · ожид. +2.32353 · odds 1,98 | 39%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Mananchaya Sawangkaew75,2% · odds 1,48 | Больше 20,560,4% · ожид. 23,39 · odds 1,85 | Mananchaya Sawangkaew -3,556,0% · ожид. +2.87893 · odds 1,98 | 39%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Mananchaya Sawangkaew71,8% · odds 1,48 | Больше 20,561,3% · ожид. 23,51 · odds 1,85 | Mananchaya Sawangkaew -3,552,8% · ожид. +2.51855 · odds 1,98 | 39%ограниченная |
Параметры point-level
- Mananchaya Sawangkaew на подаче
- 55,83%
- Mai Hontama на подаче
- 52,27%
- Среднее покрытия
- 54,84%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
2:039,0%2:129,3%1:217,6%0:214,1%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 16–33
- 90% диапазон разницы П1
- -6…8
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.000
- Высота
- +0.000
- Indoor
- +0.000
- P1 serve до → после
- 56,28% → 55,83%
- P2 serve до → после
- 52,72% → 52,27%
Усталость и переход покрытия
- Mananchaya Sawangkaew
- 0 матч. / 0 геймов за 7 дней · отдых 153,0 дн. · переход да
- Mai Hontama
- 0 матч. / 0 геймов за 7 дней · отдых 160,0 дн. · переход да
Serve/Return CatBoost → Markov
- Mananchaya Sawangkaew: P(очко на подаче)
- 56,77%
- Mai Hontama: P(очко на подаче)
- 52,50%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Mananchaya Sawangkaew: P(очко на подаче)
- 56,31%
- Mai Hontama: P(очко на подаче)
- 52,28%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Mananchaya Sawangkaew: P(очко на подаче)
- 57,21%
- Mai Hontama: P(очко на подаче)
- 52,11%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Mananchaya Sawangkaew: P(очко на подаче)
- 56,77%
- Mai Hontama: P(очко на подаче)
- 52,30%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Maaya Rajeshwaran Revathi — Katarzyna Kawa
WTA 250. Chennai. India · Hard · начало 01.11.2026 12:35 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
Консенсус Research
Katarzyna Kawa · 53,5%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Katarzyna Kawa84,2% · odds 1,20 | Меньше 19,562,3% · ожид. 19,83 | Katarzyna Kawa -5,550,4% · ожид. -3.54516 | 50% |
| Взвешенный консенсус weighted-consensus-v1-020aa99c8f64ba24b4b90f64 | Katarzyna Kawa53,5% · odds 1,20 | Больше 19,571,9% · ожид. 24,06 · odds 1,86 | Maaya Rajeshwaran Revathi +5,580,8% · ожид. -0.751937 · odds 1,65 | 64%средняя |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Maaya Rajeshwaran Revathi52,3% · odds 4,50 | не рассчитывает | не рассчитывает | 51%средняя |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Katarzyna Kawa52,1% · odds 1,20 | Больше 19,573,4% · ожид. 24,28 · odds 1,86 | Maaya Rajeshwaran Revathi +5,584,1% · ожид. -0.238356 · odds 1,65 | 78%высокая |
| Monte Carlo monte-carlo-v2-context-20000 | Katarzyna Kawa52,1% · odds 1,20 | Больше 19,572,8% · ожид. 24,18 · odds 1,86 | Maaya Rajeshwaran Revathi +5,583,8% · ожид. -0.2379 · odds 1,65 | 78%высокая |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Katarzyna Kawa75,3% · odds 1,20 | Больше 19,566,6% · ожид. 23,31 · odds 1,86 | Maaya Rajeshwaran Revathi +5,567,7% · ожид. -2.92148 · odds 1,65 | 22%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Katarzyna Kawa65,4% · odds 1,20 | Больше 19,570,7% · ожид. 23,88 · odds 1,86 | Maaya Rajeshwaran Revathi +5,575,5% · ожид. -1.75239 · odds 1,65 | 22%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Katarzyna Kawa75,6% · odds 1,20 | Больше 19,566,5% · ожид. 23,30 · odds 1,86 | Maaya Rajeshwaran Revathi +5,567,6% · ожид. -2.94684 · odds 1,65 | 22%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Katarzyna Kawa71,5% · odds 1,20 | Больше 19,567,1% · ожид. 23,44 · odds 1,86 | Maaya Rajeshwaran Revathi +5,570,0% · ожид. -2.5212 · odds 1,65 | 22%ограниченная |
Параметры point-level
- Maaya Rajeshwaran Revathi на подаче
- 53,90%
- Katarzyna Kawa на подаче
- 54,30%
- Среднее покрытия
- 54,84%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
0:226,4%1:225,7%2:124,3%2:023,6%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 16–34
- 90% диапазон разницы П1
- -7…7
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.000
- Высота
- +0.000
- Indoor
- +0.000
- P1 serve до → после
- 53,90% → 53,90%
- P2 serve до → после
- 54,75% → 54,30%
Усталость и переход покрытия
- Maaya Rajeshwaran Revathi
- 0 матч. / 0 геймов за 7 дней · отдых 258,0 дн. · переход нет
- Katarzyna Kawa
- 0 матч. / 0 геймов за 7 дней · отдых 152,0 дн. · переход да
Serve/Return CatBoost → Markov
- Maaya Rajeshwaran Revathi: P(очко на подаче)
- 51,06%
- Katarzyna Kawa: P(очко на подаче)
- 56,18%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Maaya Rajeshwaran Revathi: P(очко на подаче)
- 51,15%
- Katarzyna Kawa: P(очко на подаче)
- 54,11%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Maaya Rajeshwaran Revathi: P(очко на подаче)
- 51,20%
- Katarzyna Kawa: P(очко на подаче)
- 56,38%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Maaya Rajeshwaran Revathi: P(очко на подаче)
- 51,14%
- Katarzyna Kawa: P(очко на подаче)
- 55,56%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Panna Udvardy — Robin Montgomery
WTA 250. Chennai. India · Hard · начало 01.11.2026 12:35 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
Консенсус Research
Panna Udvardy · 59,9%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Panna Udvardy70,2% · odds 4,00 | Меньше 20,551,8% · ожид. 21,98 | Panna Udvardy +4,593,7% · ожид. +2.55604 | 50% |
| Взвешенный консенсус weighted-consensus-v1-020aa99c8f64ba24b4b90f64 | Panna Udvardy59,9% · odds 4,00 | Больше 20,566,1% · ожид. 24,24 · odds 2,00 | Panna Udvardy +4,585,5% · ожид. +1.34365 · odds 1,93 | 78%высокая |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Panna Udvardy56,9% · odds 4,00 | не рассчитывает | не рассчитывает | 100%высокая |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Panna Udvardy55,7% · odds 4,00 | Больше 20,568,5% · ожид. 24,58 · odds 2,00 | Panna Udvardy +4,582,3% · ожид. +0.60638 · odds 1,93 | 90%высокая |
| Monte Carlo monte-carlo-v2-context-20000 | Panna Udvardy55,6% · odds 4,00 | Больше 20,568,3% · ожид. 24,53 · odds 2,00 | Panna Udvardy +4,581,9% · ожид. +0.5931 · odds 1,93 | 90%высокая |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Panna Udvardy75,9% · odds 4,00 | Больше 20,561,6% · ожид. 23,63 · odds 2,00 | Panna Udvardy +4,592,4% · ожид. +2.87064 · odds 1,93 | 39%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Panna Udvardy78,4% · odds 4,00 | Больше 20,560,4% · ожид. 23,49 · odds 2,00 | Panna Udvardy +4,593,5% · ожид. +3.13764 · odds 1,93 | 39%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Panna Udvardy77,3% · odds 4,00 | Больше 20,561,0% · ожид. 23,56 · odds 2,00 | Panna Udvardy +4,593,1% · ожид. +3.02298 · odds 1,93 | 39%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Panna Udvardy76,5% · odds 4,00 | Больше 20,561,2% · ожид. 23,59 · odds 2,00 | Panna Udvardy +4,592,9% · ожид. +2.93835 · odds 1,93 | 39%ограниченная |
Параметры point-level
- Panna Udvardy на подаче
- 58,28%
- Robin Montgomery на подаче
- 57,20%
- Среднее покрытия
- 54,84%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
2:028,9%2:126,7%1:223,0%0:221,4%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 16–34
- 90% диапазон разницы П1
- -7…7
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.000
- Высота
- +0.000
- Indoor
- +0.000
- P1 serve до → после
- 58,73% → 58,28%
- P2 serve до → после
- 57,65% → 57,20%
Усталость и переход покрытия
- Panna Udvardy
- 0 матч. / 0 геймов за 7 дней · отдых 167,0 дн. · переход да
- Robin Montgomery
- 0 матч. / 0 геймов за 7 дней · отдых 152,0 дн. · переход да
Serve/Return CatBoost → Markov
- Panna Udvardy: P(очко на подаче)
- 60,51%
- Robin Montgomery: P(очко на подаче)
- 55,15%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Panna Udvardy: P(очко на подаче)
- 61,52%
- Robin Montgomery: P(очко на подаче)
- 55,51%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Panna Udvardy: P(очко на подаче)
- 61,16%
- Robin Montgomery: P(очко на подаче)
- 55,43%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Panna Udvardy: P(очко на подаче)
- 61,06%
- Robin Montgomery: P(очко на подаче)
- 55,36%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Oksana Selekhmeteva — Teodora Kostovic
WTA 250. Chennai. India · Hard · начало 01.11.2026 12:35 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
Консенсус Research
Oksana Selekhmeteva · 59,0%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Oksana Selekhmeteva58,2% · odds 2,44 | Меньше 20,554,6% · ожид. 21,68 | Oksana Selekhmeteva +2,567,8% · ожид. +1.2602 | 50% |
| Взвешенный консенсус weighted-consensus-v1-020aa99c8f64ba24b4b90f64 | Oksana Selekhmeteva59,0% · odds 2,44 | Больше 20,565,2% · ожид. 24,05 · odds 1,85 | Oksana Selekhmeteva +2,571,4% · ожид. +1.22391 · odds 1,98 | 77%высокая |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Oksana Selekhmeteva56,4% · odds 2,44 | не рассчитывает | не рассчитывает | 96%высокая |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Oksana Selekhmeteva55,0% · odds 2,44 | Больше 20,567,3% · ожид. 24,34 · odds 1,85 | Oksana Selekhmeteva +2,566,6% · ожид. +0.554213 · odds 1,98 | 90%высокая |
| Monte Carlo monte-carlo-v2-context-20000 | Oksana Selekhmeteva55,2% · odds 2,44 | Больше 20,566,9% · ожид. 24,28 · odds 1,85 | Oksana Selekhmeteva +2,566,1% · ожид. +0.53425 · odds 1,98 | 90%высокая |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Oksana Selekhmeteva76,3% · odds 2,44 | Больше 20,560,1% · ожид. 23,37 · odds 1,85 | Oksana Selekhmeteva +2,584,4% · ожид. +2.99117 · odds 1,98 | 39%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Oksana Selekhmeteva73,5% · odds 2,44 | Больше 20,561,8% · ожид. 23,60 · odds 1,85 | Oksana Selekhmeteva +2,582,2% · ожид. +2.65307 · odds 1,98 | 39%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Oksana Selekhmeteva72,4% · odds 2,44 | Больше 20,562,2% · ожид. 23,65 · odds 1,85 | Oksana Selekhmeteva +2,581,3% · ожид. +2.52876 · odds 1,98 | 39%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Oksana Selekhmeteva74,4% · odds 2,44 | Больше 20,560,2% · ожид. 23,42 · odds 1,85 | Oksana Selekhmeteva +2,582,4% · ожид. +2.74835 · odds 1,98 | 39%ограниченная |
Параметры point-level
- Oksana Selekhmeteva на подаче
- 55,78%
- Teodora Kostovic на подаче
- 54,83%
- Среднее покрытия
- 54,84%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
2:028,5%2:126,6%1:223,2%0:221,8%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 16–34
- 90% диапазон разницы П1
- -7…7
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.000
- Высота
- +0.000
- Indoor
- +0.000
- P1 serve до → после
- 56,23% → 55,78%
- P2 serve до → после
- 55,28% → 54,83%
Усталость и переход покрытия
- Oksana Selekhmeteva
- 0 матч. / 0 геймов за 7 дней · отдых 168,0 дн. · переход да
- Teodora Kostovic
- 0 матч. / 0 геймов за 7 дней · отдых 152,0 дн. · переход да
Serve/Return CatBoost → Markov
- Oksana Selekhmeteva: P(очко на подаче)
- 58,29%
- Teodora Kostovic: P(очко на подаче)
- 52,90%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Oksana Selekhmeteva: P(очко на подаче)
- 58,04%
- Teodora Kostovic: P(очко на подаче)
- 53,31%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Oksana Selekhmeteva: P(очко на подаче)
- 57,47%
- Teodora Kostovic: P(очко на подаче)
- 53,00%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Oksana Selekhmeteva: P(очко на подаче)
- 57,93%
- Teodora Kostovic: P(очко на подаче)
- 53,07%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Jil Teichmann — Joanna Garland
WTA 250. Chennai. India · Hard · начало 01.11.2026 12:35 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
Консенсус Research
Joanna Garland · 57,4%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Joanna Garland57,4% · odds 2,02 | — | — | 50% |
| Взвешенный консенсус weighted-consensus-v1-020aa99c8f64ba24b4b90f64 | Joanna Garland57,4% · odds 2,02 | не рассчитывает | не рассчитывает | 85%высокая |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Joanna Garland54,3% · odds 2,02 | не рассчитывает | не рассчитывает | 100%высокая |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Joanna Garland56,3% · odds 2,02 | не рассчитывает | не рассчитывает | 90%высокая |
| Monte Carlo monte-carlo-v2-context-20000 | Joanna Garland56,5% · odds 2,02 | не рассчитывает | не рассчитывает | 90%высокая |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Joanna Garland66,9% · odds 2,02 | не рассчитывает | не рассчитывает | 39%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Joanna Garland66,1% · odds 2,02 | не рассчитывает | не рассчитывает | 39%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Joanna Garland69,5% · odds 2,02 | не рассчитывает | не рассчитывает | 39%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Joanna Garland67,3% · odds 2,02 | не рассчитывает | не рассчитывает | 39%ограниченная |
Параметры point-level
- Jil Teichmann на подаче
- 57,49%
- Joanna Garland на подаче
- 58,69%
- Среднее покрытия
- 54,84%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
0:229,4%1:226,9%2:122,7%2:021,0%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 16–34
- 90% диапазон разницы П1
- -7…7
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.000
- Высота
- +0.000
- Indoor
- +0.000
- P1 serve до → после
- 57,94% → 57,49%
- P2 serve до → после
- 59,14% → 58,69%
Усталость и переход покрытия
- Jil Teichmann
- 0 матч. / 0 геймов за 7 дней · отдых 167,0 дн. · переход да
- Joanna Garland
- 0 матч. / 0 геймов за 7 дней · отдых 153,0 дн. · переход да
Serve/Return CatBoost → Markov
- Jil Teichmann: P(очко на подаче)
- 57,03%
- Joanna Garland: P(очко на подаче)
- 60,38%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Jil Teichmann: P(очко на подаче)
- 57,51%
- Joanna Garland: P(очко на подаче)
- 60,70%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Jil Teichmann: P(очко на подаче)
- 56,92%
- Joanna Garland: P(очко на подаче)
- 60,83%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Jil Teichmann: P(очко на подаче)
- 57,15%
- Joanna Garland: P(очко на подаче)
- 60,63%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Janice Tjen — Katherine Hui
WTA 250. Chennai. India · Hard · начало 01.11.2026 12:35 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
Консенсус Research
Janice Tjen · 83,5%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Janice Tjen96,0% · odds 1,01 | — | — | 50% |
| Взвешенный консенсус weighted-consensus-v1-020aa99c8f64ba24b4b90f64 | Janice Tjen83,5% · odds 1,01 | не рассчитывает | не рассчитывает | 56%средняя |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Janice Tjen75,5% · odds 1,01 | не рассчитывает | не рассчитывает | 27%ограниченная |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Janice Tjen82,3% · odds 1,01 | не рассчитывает | не рассчитывает | 76%высокая |
| Monte Carlo monte-carlo-v2-context-20000 | Janice Tjen81,6% · odds 1,01 | не рассчитывает | не рассчитывает | 76%высокая |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Janice Tjen98,8% · odds 1,01 | не рассчитывает | не рассчитывает | 22%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Janice Tjen98,9% · odds 1,01 | не рассчитывает | не рассчитывает | 22%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Janice Tjen99,2% · odds 1,01 | не рассчитывает | не рассчитывает | 22%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Janice Tjen98,6% · odds 1,01 | не рассчитывает | не рассчитывает | 22%ограниченная |
Параметры point-level
- Janice Tjen на подаче
- 60,44%
- Katherine Hui на подаче
- 53,41%
- Среднее покрытия
- 54,84%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
2:053,6%2:128,7%1:210,5%0:27,2%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 15–33
- 90% диапазон разницы П1
- -5…9
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.000
- Высота
- +0.000
- Indoor
- +0.000
- P1 serve до → после
- 60,89% → 60,44%
- P2 serve до → после
- 53,41% → 53,41%
Усталость и переход покрытия
- Janice Tjen
- 0 матч. / 0 геймов за 7 дней · отдых 153,0 дн. · переход да
- Katherine Hui
- 0 матч. / 0 геймов за 7 дней · отдых 153,0 дн. · переход нет
Serve/Return CatBoost → Markov
- Janice Tjen: P(очко на подаче)
- 65,24%
- Katherine Hui: P(очко на подаче)
- 48,00%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Janice Tjen: P(очко на подаче)
- 65,43%
- Katherine Hui: P(очко на подаче)
- 48,00%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Janice Tjen: P(очко на подаче)
- 66,47%
- Katherine Hui: P(очко на подаче)
- 48,00%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Janice Tjen: P(очко на подаче)
- 65,71%
- Katherine Hui: P(очко на подаче)
- 48,00%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Mei Yamaguchi — Zhibek Kulambayeva
WTA 250. Chennai. India. Hard. Qualifying · Hard · начало 01.11.2026 13:00 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
Консенсус Research
Mei Yamaguchi · 52,0%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Mei Yamaguchi53,3% · odds 1,39 | Меньше 20,554,6% · ожид. 21,58 | Zhibek Kulambayeva +3,561,9% · ожид. +1.61903 | 50% |
| Взвешенный консенсус weighted-consensus-v1-ebab3375cd981a5220497eec | Mei Yamaguchi52,0% · odds 1,39 | Больше 20,565,2% · ожид. 24,03 · odds 1,93 | Zhibek Kulambayeva +3,565,8% · ожид. +0.272793 · odds 1,94 | 78%высокая |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Mei Yamaguchi51,6% · odds 1,39 | не рассчитывает | не рассчитывает | 100%высокая |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Zhibek Kulambayeva56,2% · odds 2,85 | Больше 20,566,6% · ожид. 24,21 · odds 1,93 | Zhibek Kulambayeva +3,573,7% · ожид. -0.694927 · odds 1,94 | 90%высокая |
| Monte Carlo monte-carlo-v2-context-20000 | Zhibek Kulambayeva55,8% · odds 2,85 | Больше 20,566,3% · ожид. 24,17 · odds 1,93 | Zhibek Kulambayeva +3,573,0% · ожид. -0.63555 · odds 1,94 | 90%высокая |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Mei Yamaguchi68,0% · odds 1,39 | Больше 20,563,9% · ожид. 23,86 · odds 1,93 | Zhibek Kulambayeva +3,551,9% · ожид. +2.0267 · odds 1,94 | 39%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Mei Yamaguchi71,2% · odds 1,39 | Больше 20,562,7% · ожид. 23,71 · odds 1,93 | Mei Yamaguchi -3,551,4% · ожид. +2.38794 · odds 1,81 | 39%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Mei Yamaguchi72,9% · odds 1,39 | Больше 20,561,6% · ожид. 23,55 · odds 1,93 | Mei Yamaguchi -3,553,5% · ожид. +2.60716 · odds 1,81 | 39%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Mei Yamaguchi71,2% · odds 1,39 | Больше 20,562,4% · ожид. 23,67 · odds 1,93 | Mei Yamaguchi -3,551,1% · ожид. +2.38485 · odds 1,81 | 39%ограниченная |
Параметры point-level
- Mei Yamaguchi на подаче
- 53,12%
- Zhibek Kulambayeva на подаче
- 54,29%
- Среднее покрытия
- 54,84%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
0:229,3%1:226,9%2:122,8%2:021,0%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 16–33
- 90% диапазон разницы П1
- -8…7
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.000
- Высота
- +0.000
- Indoor
- +0.000
- P1 serve до → после
- 53,12% → 53,12%
- P2 serve до → после
- 54,74% → 54,29%
Усталость и переход покрытия
- Mei Yamaguchi
- 0 матч. / 0 геймов за 7 дней · отдых 153,0 дн. · переход нет
- Zhibek Kulambayeva
- 0 матч. / 0 геймов за 7 дней · отдых 160,0 дн. · переход да
Serve/Return CatBoost → Markov
- Mei Yamaguchi: P(очко на подаче)
- 56,21%
- Zhibek Kulambayeva: P(очко на подаче)
- 52,71%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Mei Yamaguchi: P(очко на подаче)
- 57,11%
- Zhibek Kulambayeva: P(очко на подаче)
- 52,92%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Mei Yamaguchi: P(очко на подаче)
- 56,71%
- Zhibek Kulambayeva: P(очко на подаче)
- 52,14%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Mei Yamaguchi: P(очко на подаче)
- 56,68%
- Zhibek Kulambayeva: P(очко на подаче)
- 52,59%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Franziska Sziedat — Madhurima Sawant
WTA 125. Luanda. Angola. Hard. Qualifying · Hard · начало 01.11.2026 13:05 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
Консенсус Research
Franziska Sziedat · 75,3%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Franziska Sziedat80,5% · odds 1,09 | — | — | 50% |
| Взвешенный консенсус weighted-consensus-v1-8ac76e24f40842a887cc308a | Franziska Sziedat75,3% · odds 1,09 | не рассчитывает | не рассчитывает | 86%высокая |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Franziska Sziedat65,5% · odds 1,09 | не рассчитывает | не рассчитывает | 100%высокая |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Franziska Sziedat80,6% · odds 1,09 | не рассчитывает | не рассчитывает | 90%высокая |
| Monte Carlo monte-carlo-v2-context-20000 | Franziska Sziedat80,0% · odds 1,09 | не рассчитывает | не рассчитывает | 90%высокая |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Franziska Sziedat93,7% · odds 1,09 | не рассчитывает | не рассчитывает | 28%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Franziska Sziedat94,9% · odds 1,09 | не рассчитывает | не рассчитывает | 28%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Franziska Sziedat94,1% · odds 1,09 | не рассчитывает | не рассчитывает | 28%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Franziska Sziedat93,7% · odds 1,09 | не рассчитывает | не рассчитывает | 28%ограниченная |
Параметры point-level
- Franziska Sziedat на подаче
- 55,81%
- Madhurima Sawant на подаче
- 49,38%
- Среднее покрытия
- 54,84%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
2:051,5%2:129,1%1:211,4%0:28,0%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 15–33
- 90% диапазон разницы П1
- -5…9
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.000
- Высота
- +0.000
- Indoor
- +0.000
- P1 serve до → после
- 56,26% → 55,81%
- P2 serve до → после
- 49,38% → 49,38%
Усталость и переход покрытия
- Franziska Sziedat
- 0 матч. / 0 геймов за 7 дней · отдых 160,0 дн. · переход да
- Madhurima Sawant
- 0 матч. / 0 геймов за 7 дней · отдых 181,0 дн. · переход нет
Serve/Return CatBoost → Markov
- Franziska Sziedat: P(очко на подаче)
- 59,48%
- Madhurima Sawant: P(очко на подаче)
- 48,00%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Franziska Sziedat: P(очко на подаче)
- 60,29%
- Madhurima Sawant: P(очко на подаче)
- 48,00%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Franziska Sziedat: P(очко на подаче)
- 59,73%
- Madhurima Sawant: P(очко на подаче)
- 48,00%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Franziska Sziedat: P(очко на подаче)
- 59,83%
- Madhurima Sawant: P(очко на подаче)
- 48,00%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Prathyusha Rachapudi — Ashmitha Easwaramurthi
WTA 125. Luanda. Angola. Hard. Qualifying · Hard · начало 01.11.2026 13:05 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
Консенсус Research
Prathyusha Rachapudi · 74,8%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Prathyusha Rachapudi69,7% · odds 1,10 | — | — | 50% |
| Взвешенный консенсус weighted-consensus-v1-8ac76e24f40842a887cc308a | Prathyusha Rachapudi74,8% · odds 1,10 | не рассчитывает | не рассчитывает | 87%высокая |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Prathyusha Rachapudi65,1% · odds 1,10 | не рассчитывает | не рассчитывает | 100%высокая |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Prathyusha Rachapudi86,0% · odds 1,10 | не рассчитывает | не рассчитывает | 90%высокая |
| Monte Carlo monte-carlo-v2-context-20000 | Prathyusha Rachapudi85,8% · odds 1,10 | не рассчитывает | не рассчитывает | 90%высокая |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Prathyusha Rachapudi69,1% · odds 1,10 | не рассчитывает | не рассчитывает | 23%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Prathyusha Rachapudi77,1% · odds 1,10 | не рассчитывает | не рассчитывает | 23%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Prathyusha Rachapudi73,5% · odds 1,10 | не рассчитывает | не рассчитывает | 23%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Prathyusha Rachapudi74,8% · odds 1,10 | не рассчитывает | не рассчитывает | 23%ограниченная |
Параметры point-level
- Prathyusha Rachapudi на подаче
- 56,06%
- Ashmitha Easwaramurthi на подаче
- 48,00%
- Среднее покрытия
- 54,84%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
2:058,5%2:127,5%1:28,5%0:25,5%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 15–32
- 90% диапазон разницы П1
- -4…9
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.000
- Высота
- +0.000
- Indoor
- +0.000
- P1 serve до → после
- 56,06% → 56,06%
- P2 serve до → после
- 47,42% → 48,00%
Усталость и переход покрытия
- Prathyusha Rachapudi
- 0 матч. / 0 геймов за 7 дней · отдых 181,0 дн. · переход нет
- Ashmitha Easwaramurthi
- 0 матч. / 0 геймов за 7 дней · отдых 153,0 дн. · переход нет
Serve/Return CatBoost → Markov
- Prathyusha Rachapudi: P(очко на подаче)
- 53,07%
- Ashmitha Easwaramurthi: P(очко на подаче)
- 49,37%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Prathyusha Rachapudi: P(очко на подаче)
- 54,58%
- Ashmitha Easwaramurthi: P(очко на подаче)
- 49,06%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Prathyusha Rachapudi: P(очко на подаче)
- 52,67%
- Ashmitha Easwaramurthi: P(очко на подаче)
- 48,00%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Prathyusha Rachapudi: P(очко на подаче)
- 53,44%
- Ashmitha Easwaramurthi: P(очко на подаче)
- 48,27%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Alex Michelsen — Jiri Lehecka
ATP Masters 1000. Paris. France · Indoor Hard · начало 01.11.2026 13:05 MSK
indoor
высота 35 м
CPI 45,0
confidence 76%
Консенсус Research
Jiri Lehecka · 55,6%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Jiri Lehecka61,9% · odds 1,52 | — | — | 50% |
| Взвешенный консенсус weighted-consensus-v1-4630d6336d2203e4d65f761f | Jiri Lehecka55,6% · odds 1,52 | не рассчитывает | не рассчитывает | 88%высокая |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Jiri Lehecka55,6% · odds 1,52 | не рассчитывает | не рассчитывает | 100%высокая |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Jiri Lehecka50,2% · odds 1,52 | не рассчитывает | не рассчитывает | 96%высокая |
| Monte Carlo monte-carlo-v2-context-20000 | Jiri Lehecka50,5% · odds 1,52 | не рассчитывает | не рассчитывает | 96%высокая |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Jiri Lehecka68,1% · odds 1,52 | не рассчитывает | не рассчитывает | 46%средняя |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Jiri Lehecka66,3% · odds 1,52 | не рассчитывает | не рассчитывает | 46%средняя |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Jiri Lehecka64,7% · odds 1,52 | не рассчитывает | не рассчитывает | 46%средняя |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Jiri Lehecka66,1% · odds 1,52 | не рассчитывает | не рассчитывает | 46%средняя |
Параметры point-level
- Alex Michelsen на подаче
- 66,33%
- Jiri Lehecka на подаче
- 66,37%
- Среднее покрытия
- 61,54%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
0:225,2%1:225,1%2:124,9%2:024,8%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 18–36
- 90% диапазон разницы П1
- -6…6
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.004
- Высота
- +0.000
- Indoor
- +0.006
- P1 serve до → после
- 65,80% → 66,33%
- P2 serve до → после
- 65,85% → 66,37%
Усталость и переход покрытия
- Alex Michelsen
- 0 матч. / 0 геймов за 7 дней · отдых 168,0 дн. · переход да
- Jiri Lehecka
- 0 матч. / 0 геймов за 7 дней · отдых 179,0 дн. · переход да
Serve/Return CatBoost → Markov
- Alex Michelsen: P(очко на подаче)
- 64,68%
- Jiri Lehecka: P(очко на подаче)
- 68,55%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Alex Michelsen: P(очко на подаче)
- 65,21%
- Jiri Lehecka: P(очко на подаче)
- 68,68%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Alex Michelsen: P(очко на подаче)
- 64,64%
- Jiri Lehecka: P(очко на подаче)
- 67,75%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Alex Michelsen: P(очко на подаче)
- 64,84%
- Jiri Lehecka: P(очко на подаче)
- 68,33%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба варианта
Ugo Humbert — Botic Van de Zandschulp
ATP Masters 1000. Paris. France · Indoor Hard · начало 01.11.2026 13:05 MSK
indoor
высота 35 м
CPI 45,0
confidence 76%
Консенсус Research
Ugo Humbert · 60,2%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Botic Van de Zandschulp52,9% · odds 2,40 | Больше 22,557,1% · ожид. 24,43 | Botic Van de Zandschulp +2,557,7% · ожид. +1.08093 | 50% |
| Взвешенный консенсус weighted-consensus-v1-4630d6336d2203e4d65f761f | Ugo Humbert60,2% · odds 1,57 | Больше 22,563,1% · ожид. 26,10 · odds 1,85 | Botic Van de Zandschulp +2,555,6% · ожид. +1.01082 · odds 1,86 | 82%высокая |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Ugo Humbert58,8% · odds 1,57 | не рассчитывает | не рассчитывает | 100%высокая |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Ugo Humbert58,0% · odds 1,57 | Больше 22,564,2% · ожид. 26,22 · odds 1,85 | Botic Van de Zandschulp +2,558,9% · ожид. +0.710528 · odds 1,86 | 96%высокая |
| Monte Carlo monte-carlo-v2-context-20000 | Ugo Humbert57,6% · odds 1,57 | Больше 22,563,6% · ожид. 26,19 · odds 1,85 | Botic Van de Zandschulp +2,559,1% · ожид. +0.70195 · odds 1,86 | 96%высокая |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Ugo Humbert67,8% · odds 1,57 | Больше 22,562,6% · ожид. 26,04 · odds 1,85 | Ugo Humbert -2,550,3% · ожид. +1.56838 · odds 1,94 | 46%средняя |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Ugo Humbert69,2% · odds 1,57 | Больше 22,561,7% · ожид. 25,91 · odds 1,85 | Ugo Humbert -2,552,1% · ожид. +1.70951 · odds 1,94 | 46%средняя |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Ugo Humbert67,8% · odds 1,57 | Больше 22,561,3% · ожид. 25,81 · odds 1,85 | Ugo Humbert -2,551,1% · ожид. +1.60592 · odds 1,94 | 46%средняя |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Ugo Humbert67,8% · odds 1,57 | Больше 22,561,3% · ожид. 25,84 · odds 1,85 | Ugo Humbert -2,551,2% · ожид. +1.62995 · odds 1,94 | 46%средняя |
Параметры point-level
- Ugo Humbert на подаче
- 67,36%
- Botic Van de Zandschulp на подаче
- 65,70%
- Среднее покрытия
- 61,54%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
2:030,6%2:127,4%1:222,1%0:219,9%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 18–36
- 90% диапазон разницы П1
- -5…6
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.004
- Высота
- +0.000
- Indoor
- +0.006
- P1 serve до → после
- 66,84% → 67,36%
- P2 serve до → после
- 65,18% → 65,70%
Усталость и переход покрытия
- Ugo Humbert
- 0 матч. / 0 геймов за 7 дней · отдых 168,0 дн. · переход да
- Botic Van de Zandschulp
- 0 матч. / 0 геймов за 7 дней · отдых 179,0 дн. · переход да
Serve/Return CatBoost → Markov
- Ugo Humbert: P(очко на подаче)
- 69,16%
- Botic Van de Zandschulp: P(очко на подаче)
- 65,33%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Ugo Humbert: P(очко на подаче)
- 69,14%
- Botic Van de Zandschulp: P(очко на подаче)
- 64,97%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Ugo Humbert: P(очко на подаче)
- 68,28%
- Botic Van de Zandschulp: P(очко на подаче)
- 64,49%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Ugo Humbert: P(очко на подаче)
- 68,86%
- Botic Van de Zandschulp: P(очко на подаче)
- 64,93%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба варианта
Brandon Nakashima — Matteo Berrettini
ATP Masters 1000. Paris. France · Indoor Hard · начало 01.11.2026 13:05 MSK
indoor
высота 35 м
CPI 45,0
confidence 76%
Консенсус Research
Brandon Nakashima · 51,5%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Brandon Nakashima72,1% · odds 1,69 | Меньше 25,559,3% · ожид. 24,83 | Brandon Nakashima -1,565,0% · ожид. +1.93342 | 50% |
| Взвешенный консенсус weighted-consensus-v1-4630d6336d2203e4d65f761f | Brandon Nakashima51,5% · odds 1,69 | Больше 25,554,6% · ожид. 26,99 · odds 1,93 | Matteo Berrettini +1,552,4% · ожид. +0.525039 · odds 1,93 | 82%высокая |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Matteo Berrettini55,7% · odds 2,16 | не рассчитывает | не рассчитывает | 100%высокая |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Brandon Nakashima50,0% · odds 1,69 | Больше 25,555,7% · ожид. 27,12 · odds 1,93 | Matteo Berrettini +1,559,0% · ожид. +0.00327765 · odds 1,93 | 96%высокая |
| Monte Carlo monte-carlo-v2-context-20000 | Brandon Nakashima50,2% · odds 1,69 | Больше 25,555,4% · ожид. 27,09 · odds 1,93 | Matteo Berrettini +1,558,8% · ожид. +0.00285 · odds 1,93 | 96%высокая |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Brandon Nakashima70,8% · odds 1,69 | Больше 25,552,0% · ожид. 26,65 · odds 1,93 | Brandon Nakashima -1,562,3% · ожид. +1.69898 · odds 1,87 | 46%средняя |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Brandon Nakashima71,6% · odds 1,69 | Больше 25,552,4% · ожид. 26,78 · odds 1,93 | Brandon Nakashima -1,562,8% · ожид. +1.72763 · odds 1,87 | 46%средняя |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Brandon Nakashima66,7% · odds 1,69 | Больше 25,553,3% · ожид. 26,80 · odds 1,93 | Brandon Nakashima -1,557,9% · ожид. +1.36153 · odds 1,87 | 46%средняя |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Brandon Nakashima68,9% · odds 1,69 | Больше 25,553,1% · ожид. 26,81 · odds 1,93 | Brandon Nakashima -1,560,3% · ожид. +1.5454 · odds 1,87 | 46%средняя |
Параметры point-level
- Brandon Nakashima на подаче
- 69,28%
- Matteo Berrettini на подаче
- 69,27%
- Среднее покрытия
- 61,54%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
2:025,0%2:125,0%1:225,0%0:225,0%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 19–36
- 90% диапазон разницы П1
- -5…5
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.004
- Высота
- +0.000
- Indoor
- +0.006
- P1 serve до → после
- 68,76% → 69,28%
- P2 serve до → после
- 68,75% → 69,27%
Усталость и переход покрытия
- Brandon Nakashima
- 0 матч. / 0 геймов за 7 дней · отдых 179,0 дн. · переход да
- Matteo Berrettini
- 0 матч. / 0 геймов за 7 дней · отдых 173,0 дн. · переход да
Serve/Return CatBoost → Markov
- Brandon Nakashima: P(очко на подаче)
- 72,19%
- Matteo Berrettini: P(очко на подаче)
- 67,49%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Brandon Nakashima: P(очко на подаче)
- 72,83%
- Matteo Berrettini: P(очко на подаче)
- 67,92%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Brandon Nakashima: P(очко на подаче)
- 71,39%
- Matteo Berrettini: P(очко на подаче)
- 67,72%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Brandon Nakashima: P(очко на подаче)
- 72,14%
- Matteo Berrettini: P(очко на подаче)
- 67,71%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба варианта