Исследование / Прикладной ML
Match Balance Lab
Эксперимент сравнивает формульный и ML-подходы к распределению игроков между командами.
01Игроки→02Признаки→03Модель→04Составы команд
Контекст
Команды с одинаковым средним рейтингом могут заметно различаться по ролям и сочетанию навыков. Нужно было проверить, даёт ли обучаемая модель более устойчивый баланс, чем фиксированная формула.
Подход
Создал синтетический набор матчей, описал признаки игроков и собрал единый контур сравнения. Модель CatBoost и формульный алгоритм доступны через один FastAPI-интерфейс и оцениваются в одинаковых условиях.
Что получилось
Одинаковый вход и сопоставимый результат позволяют обсуждать ценность модели отдельно от различий в реализации — и видеть, в каких сценариях ML действительно улучшает баланс.