Как читать confidence score в AI-аналитике

В каждом отчёте Batmen рядом с распределением вероятностей стоит confidence — уверенность модели в собственном прогнозе. Пользователи часто путают её с вероятностью победы. Разбираемся.

Разница между вероятностью и уверенностью

**Вероятность исхода** — распределение по трём (или двум) сценариям: победа команды А, ничья, победа команды Б. Сумма всегда 100%.

**Confidence** — это отдельная метрика, показывающая, насколько модель уверена в самом распределении. Она отвечает на вопрос: «Стабильны ли данные? Достаточно ли их? Не противоречат ли ключевые метрики друг другу?»

Что снижает confidence

• **Мало данных.** Ранний старт сезона, новичок в лиге, свежий ростер.
• **Противоречивая форма.** Команда одновременно выиграла у топа и проиграла аутсайдеру.
• **Смена тренера в последние 3 матча.**
• **Ключевые травмы без замены.**
• **Равные соперники** без явных структурных отличий.

Что повышает confidence

• Стабильная форма 10+ матчей.
• Большая разница в качестве команд.
• Согласованность метрик (xG, xGA, форма — все указывают в одну сторону).
• Известный ростер и полная информация о доступности.

Как использовать confidence

• **80%+.** Модель очень уверена. Распределение — надёжный ориентир.
• **65–80%.** Уверенность средняя. Стоит внимательно прочитать ключевые факторы — там будет объяснение.
• **50–65%.** Уверенность низкая. Матч непредсказуем; распределение — лишь baseline, не более.
• **<50%.** Модель фактически говорит: «Данных недостаточно для уверенного вывода».

Confidence ≠ вероятность фаворита

Матч может иметь распределение 65/20/15 (сильный фаворит) при confidence 55% (мало данных). И наоборот: 40/28/32 (сложный матч) при confidence 85%, если модель точно знает, что оба соперника — команды-середняки со стабильными профилями.

Итог

Confidence — это метаметрика, оценка качества самого прогноза. Читайте её всегда — она честнее любого распределения, потому что модель сама признаёт границы своих знаний.