Prognos för vinnaren av FIFA World Cup 2026: en MLOps-guide

Datan bakom prognoserna

En prognos blir aldrig bättre än det som matas in, så det är värt att börja med råmaterialet. Modellen lär sig från två livedatakällor och omvandlar dem till en enda, prydlig feature-tabell.

Varifrån datan kommer

Allt byggs från två håll. API-Football levererar spelscheman och matchstatistik: vilka som spelade mot vilka, när, var och hur det slutade. eloratings.net levererar Elo-ratingar för varje landslag.

En Elo-rating är ett enda tal som fångar hur starkt ett lag är. Varje lag ligger någonstans på skalan, och efter varje match uppdateras ratingen: slå ett starkare lag och du tjänar mycket; förlora mot ett svagare och du tappar kraftigt. Idén kommer från schack och passar utmärkt för fotboll. Vill du ha hela intuitionen går denna tidigare DataCamp-artikel igenom den i kontexten av VM 2022.

Tillsammans ger de två källorna ett Gold-dataset med ungefär 6 900 landskamper sedan 2018 att lära av.

Vad modellen förutspår

Här kommer det första viktiga designvalet. I stället för att förutsäga utfall direkt som vinst, oavgjort eller förlust, förutspår modellen något mer finmaskigt: antalet mål varje lag gör i en match. Målantal i fotboll följer, med god approximation, en Poissonfördelning, det standardmässiga sättet att modellera hur ofta en relativt sällsynt händelse inträffar i ett fast tidsfönster.

Att förutsäga mål i stället för resultat är det som gör allt senare möjligt. När modellen kan producera en rimlig målrad för vilken matchning som helst kan frågorna alla egentligen bryr sig om – vilka som tar sig ur gruppen och vem som lyfter bucklan – besvaras genom att simulera dessa målrader tusentals gånger.

De features som spelar roll

Varje match beskrivs av en liten, noggrant utvald uppsättning features:

• Elo-skillnad: gapet i rating mellan de två lagen. Detta är i särklass den viktigaste featuren i modellen, med en betydelse ungefär två tiopotenser över näst starkaste. Det stämmer med intuitionen, eftersom styrkegapet mellan lagen säger mer om det troliga utfallet än nästan något annat.
• Elo-summa: de två ratingarna adderade, en proxy för matchens övergripande kvalitet. Skillnaden ensam kan inte skilja Argentina mot Spanien från San Marino mot Andorra, två jämna matcher på helt olika nivåer, och summan återställer den informationen.
• Löpande Elo-förändring (senaste 5 matcherna): hur mycket varje lags rating har skiftat nyligen. Detta fångar form samtidigt som styrkan hos motståndarna redan är inbyggd.
• Löpande gjorda och insläppta mål (senaste 5 matcherna): senaste offensiva och defensiva output i absoluta tal, beräknat för varje lag.
• Matchkontext: tävlingens nivå (en VM-match väger annorlunda än ett kval eller en Nations League-match), om matchen är utslagsmatch och om den spelas på neutral plan.

Varje feature är strikt läckagesäker, vilket betyder att den bara använder information som fanns före avspark. Det låter självklart, men det är ett av de lättaste sätten att av misstag bygga en modell som ser briljant ut i test och faller isär i verkligheten.

En idé som inte kom med: jag planerade en uppsättning "spelsätts"-features byggda genom att klustra lag utifrån deras in-game-statistik, ett steg med osuperviserat lärande. I praktiken separerade sig inte lagen i meningsfulla grupper, så i stället för att mata modellen med brus strök jag det. Negativa resultat är också resultat.

Att hålla datan reproducerbar

När data kommer från två källor löpande måste vägen från råfiler till modellredo features vara identisk varje gång. Det är vad en medaljongarkitektur ger. Den organiserar data i tre lager:

• Bronze: rådata, exakt som den anländer, orörd.
• Silver: rensad och standardiserad. Här mappar jag lagnamn mellan de två källorna (de är sällan överens om stavningar), validerar schemat, joinar Elo-ratingar till matchposterna och hanterar allt som saknas eller är felaktigt.
• Gold: modelleringslagret, en prydlig rad per match med alla features beräknade och redo för träning.

Varje lager matar nästa, så när något ser fel ut kan jag spåra tillbaka en nivå i taget i stället för att reda ut allt på en gång. För att göra hela vägen reproducerbar använder jag DVC (Data Version Control). När nya resultat kommer in räcker ett dvc repro för att bygga om Silver och Gold från Bronze, köra om ett steg bara om dess indata ändrats, och versionshantera de resulterande dataseten så att varje tidigare tillstånd kan återskapas exakt.

Att välja bästa modellen

Att förutsäga mål är ett välstuderat problem, och det finns inget självklart enskilt verktyg för det. Så i stället för att låsa mig till ett angreppssätt byggde jag tio och lät dem tävla.

Utmana­rna

De tio modellerna spänner över fem familjer plus en enkel baslinje. Du behöver inte kunna detaljerna i varje; poängen är att de gör väldigt olika antaganden om hur mål uppstår.

Hur de bedömdes

Med tio kandidater går det inte att välja vinnare på känsla. I stället passerar varje modell tre steg och koden avgör om den går vidare. Det är detta som menas med kodbaserad driftsättning: modeller flyttas från en miljö till nästa av automatiska kontroller i stället för manuell finjustering, så hela urvalet förblir reproducerbart och lätt att granska.

• Experiment. Varje modell tränas endast på landskamper spelade före VM 2022. Inte alla dessa matcher väger lika: nyare matcher och mer betydelsefulla drabbningar ges större vikt (tidsavtagande viktning och matchbetydelse), så ett färskt tävlingsresultat påverkar modellen mer än en gammal träningsmatch. Varje modells inställningar finjusteras sedan för att minimera Poissons negativ log-likelihood (NLL) med korsvalidering. NLL är helt enkelt ett mått på hur väl de förutsagda mål­takter­na matchar de mål lag faktiskt gjorde, där lägre är bättre. Resultatet är den bäst trimmade versionen av varje modell.
• Kvalitetssäkring. Dessa trimmade modeller testas sedan på matcher de aldrig sett: VM 2022 plus sex stora turneringar sedan dess (EM, två Afrikanska mästerskap, Copa América, Asiatiska mästerskapet och Gold Cup), 347 matcher totalt. Här byter vi till ranked probability score (RPS), som mäter hur bra en probabilistisk prognos är när utfallen har en naturlig ordning, som förlust, oavgjort, vinst, och belönar att vara trygg i ungefär rätt riktning. Återigen är lägre bättre. Den starkaste modellen här blir utmanaren. RPS är rätt mått eftersom det egentliga målet är att förutsäga hur långt lag går, inte bara målsummor.
• Driftsätt. Utmanaren jämförs med den regerande mästaren. Om den vinner befordras den och tränas om på alla tillgängliga matcher, så att den går in i turneringen med all data i ryggen.

Vad som vann

Så vilken metod kom ut på topp? Här är hela holdout-topplistan, bedömd med RPS (lägre är bättre):

Fyra saker sticker ut från resultaten:

• XGBoost vann, men med minsta möjliga marginal. De fem bästa modellerna (XGBoost, Bayesiansk Poisson, Negativ binomial, Bivariat Poisson och Random Forest) hamnade inom cirka 0,0011 RPS från varandra. När fem mycket olika angreppssätt landar så nära betyder det oftast att taket sätts av data och features, inte av modellen. Här gör Elo-skillnaden så stor del av jobbet att modellvalet knappt rör nålen.
• En feature dominerar. Elo-skillnad var den viktigaste prediktorn med bred marginal, ungefär hundra gånger mer inflytelserik än nästa feature. Det är mer lugnande än förvånande: i en enskild match är styrkegapet mellan två lag verkligen största delen av berättelsen.
• Djupinlärning slutade sist, baslinjen undantagen. 1D CNN och LSTM var de svagaste modellerna förutom den naiva baslinjen. Med bara runt 7 000 matcher att lära från finns det helt enkelt inte nog data för nätverk med så många parametrar; klassiska metoder hanterar små, strukturerade dataset mycket bättre.
• Inga tecken på överanpassning i de klassiska modellerna. Normalt presterar en modell lite sämre på osedd data än under träning. Här presterade nästan varje modell (LSTM undantagen) bättre på de undansparade turneringarna än i korsvalidering. Den troliga orsaken är att turneringsfotboll är mer förutsägbar än den vardagliga landslagskalendern: högre insatser, starkare och mer välbekanta lag och neutrala arenor rensar bort en del slump.

För live-turneringen kör jag inte alla tio. Jag behåller en mindre uppställning: medelfrekvens-baslinjen som referenspunkt, plus de tre bästa. XGBoost och Bayesiansk Poisson tar de två toppositionerna rakt av.

Trea är i praktiken oavgjort: Negativ binomial och Bivariat Poisson hamnar inom 0,0002 RPS från varandra och byter plats beroende på slumpfrö, så mellan två statistiskt oskiljbara modeller valde jag Bivariat Poisson, vars formulering har starkare stöd i litteraturen om fotbollsprognoser (Karlis och Ntzoufras, 2004).

Det lämnar en uppställning med XGBoost (maskininlärning), Bivariat Poisson (klassisk statistik) och Bayesiansk Poisson (bayesiansk inferens). Nästa avsnitt täcker hur dessa modeller körs, tränas om och omvandlar enskilda matchprognoser till en fullständig turneringsprognos.

Att ta det i produktion

En modell som lever i en notebook är bara användbar medan du sitter framför den. För att förutsäga matcher under en månadslång turnering måste allt köra av sig självt: hämta nya resultat, träna om, simulera om och uppdatera prognosen utan handpåläggning. Det är pipelinens jobb.

Den tvåtimmars­schemalagda pipelinen på GCP

Hela projektet körs som ett enda schemalagt jobb på Google Cloud Run. Före turneringen vaknar det en gång om dagen; från öppningsmatchen den 11 juni kör det varannan timme. Varje körning följer samma cykel:

• Kontrollera ny data. Om inga matcher avslutats sedan förra körningen finns inget att göra och jobbet avslutas tidigt.
• Ingestera och bygg om. När nya resultat kommit in hämtas de från datakällorna och ett enda dvc repro bygger om Silver- och Gold-lagren så att features är aktuella.
• Träna om, förutsäg, simulera. Uppställningsmodellerna uppdateras (mer om hur strax), varje kommande match-up förutsägs och hela turneringen simuleras.
• Scora. När en match är avgjord poängsätts prognoserna som gjordes för den, vilket matar övervakningen som beskrivs nedan.

Eftersom varje steg triggas av kod enligt schema behövs inga manuella knapptryck under turneringen. Nya resultat in, uppdaterad prognos ut.

Två lägen: frysta vs. per omgång

Här dubblerar projektet som ett experiment. Under turneringen körs uppställningen i två parallella lägen, och skillnaden mellan dem är frågan jag hoppas få svar på från datan: Blir prognoserna bättre av att träna om under turneringens gång?

• Frysta. Modellerna låses i samma ögonblick som turneringen drar i gång och tränas aldrig om. De svarar fortfarande på resultat, eftersom varje simulering startar från den uppdaterade slutspelsträdet, men själva modellparametrarna ändras aldrig.
• Per omgång. Hyperparametrarna (de övergripande inställningarna) förblir fasta, men de parametrar modellen lär sig passar om på all tillgänglig data efter varje avslutad gruppspelsomgång och varje utslagsrunda, så modellerna lär sig löpande av turneringen.

Genom att köra båda sida vid sida kan jag jämföra dem på två fronter när det är över: ren prediktiv träffsäkerhet och hur snabbt var och ens osäkerhet minskar när fältet smalnar. Om per omgång vinner är regelbunden omträning mödan värd; om frysta står sig kan extra maskineri vara onödigt.

Från prognoser till turnering: Monte Carlo-simuleringen

Att förutsäga en enskild match är en sak. Att omvandla det till ”vad är varje lags chans att vinna turneringen” är där Monte Carlo-simuleringen kommer in.

Först, inferens. I stället för att bara förutsäga de matcher vi redan känner till förutsäger modellen varje möjlig matchup bland de 48 lagen. Det låter överdrivet, men i en turnering kan vilket lag som helst möta vilket annat i slutspelet, så en prognos måste vara redo för varje parning.

Sedan måste reglerna kodas, och formatet 2026 gör det särskilt besvärligt. I de 12 grupperna går de två bästa vidare automatiskt, men det gör också de åtta bästa treorna, och vilken slutspelsplats var och en av dessa åtta får beror på vilka grupper de kom från.

Det finns 495 sätt att välja åtta kvalificerande grupper av tolv (tolv över åtta), och varje val ger en annan uppsättning åttondelsparningar. Det finns ingen snygg formel för det; FIFA publicerar helt enkelt en tabell. Så jag (eller snarare min mycket kapabla kollega Cursor) hårdkodade alla 495 kombinationer i en mapping, med den officiella tabellen som källa.

"best_third_mappings": {
  "EFGHIJKL": {
    "74": "3F",
    "77": "3G",
    "79": "3E",
    "80": "3K",
    "81": "3I",
    "82": "3H",
    "85": "3J",
    "87": "3L"
  }, 
  "DFGHIJKL": ...

Varje nyckel, som EFGHIJKL, listar vilka åtta grupper som levererade de avancerande treorna, och värdena placerar vart och ett av dessa lag (3E, 3F och så vidare) i ett specifikt åttondelsmatchnummer. Det där är en post; hela mappingen upprepas 495 gånger, en gång per kombination.

De tre värdnationerna (USA, Kanada och Mexiko) får en extra hantering. När en värd spelar en match i det egna landet tillämpar simuleringen en hemmaplansjustering för den matchen, medan resten av turneringen behandlas som neutral mark.

Med prognoserna och reglerna på plats kör simuleringen hela turneringen 10 000 gånger. Vid varje körning följer den denna procedur:

1. Dra en målrad för varje match genom att samp­la hemma- och bortamål från modellens förutsagda fördelningar
2. Spela igenom gruppspelet enligt de riktiga poäng- och tiebreak-reglerna
3. Fastställ tabellen för bästa treorna
4. Fyll i slutspelsträdet från mappingarna ovan
5. Spela vidare till en ensam mästare.

Över 10 000 simulerade turneringar blir andelen körningar där ett lag når finalen, eller lyfter bucklan, lagets sannolikhet. En körning är en gissning; tiotusen körningar är en prognos.

Att spåra allt med MLflow

Varje körning som beskrivits hittills, i båda lägena, loggas till MLflow (hostat på DagsHub). Experiment­spårning betyder att systematiskt registrera indata, inställningar, resultat och utdata från varje körning, så att vilken som helst kan jämföras med de andra eller återskapas exakt. Några saker den fångar är värda att lyfta:

• Reproducerbarhet. Simuleringen använder ett fast slumpfrö härlett från turneringsrundan, och samma frö delas av frysta och per omgång-lägena. Det betyder att varje skillnad dem emellan kommer från modellerna själva, inte från tur i dragningarna i simuleringen. Varje körning loggar också exakt datasnapshot den såg (antal Gold-rader och en tidsstämpel), så resultat kan alltid spåras tillbaka till sina indata.
• Experimentet. Varje körning taggas med sitt läge (fryst eller per omgång) och sin livscykelfas, från experimentell och QA till live-inferens och omträning, i spegling av befordringsflödet från föregående avsnitt.
• Jämförelse. Holdout-RPS loggas som urvalsmått, tillsammans med en referens till nuvarande mästarkörning för härstamning. Träningstid registreras också, vilket tydligt visar den bayesianska modellens ungefär 100 gånger långsammare träning.

De tränade modellerna och själva prognosfilerna (turneringssannolikheter, gruppställningar och matchprognoser) lagras som körningsartefakter, och det är exakt de filer som den live-instrumentpanelen läser. Därmed sluts cirkeln: från råa resultat, genom träning och simulering, till siffrorna du ser online.

Övervakning av drift

Den sista delen körs när matcher är avgjorda. När riktiga resultat kommer in poängsätts de prognoser som gjordes för dem och jämförs med den enkla baslinjen med medelfrekvens. Om fullmodellerna börjar tappa mark mot en modell som inte vet något om lagen är det en varningssignal om drift: mönstren som lärdes före turneringen kanske inte längre matchar det som händer på planen.

Att bevaka detta är standardpraxis för alla system som gör live-prognoser, och du kan läsa mer om hur det upptäcks i denna guide till datadrift och modelldrift.

Så, vem vinner VM?

Efter all denna maskineri – här är vad det är till för.

Favoriterna

Per den 10 juni 2026, dagen före öppningsmatchen, är modellens dom tydlig i toppen och trång precis bakom. Spanien och Argentina leder fältet, båda med cirka 16 % chans att lyfta bucklan. Att de regerande världsmästarna (Argentina) och de regerande Europamästarna (Spanien) hamnar i topp är en betryggande rimlighetskontroll som visar att modellen står stadigt i verkligheten.

Bakom dem finns en tät jagande klunga: Frankrike, England, Brasilien och Colombia kompletterar de mest sannolika vinnarna. Dessa är live-siffror och de kommer att röra på sig så fort riktiga resultat börjar trilla in, så betrakta dem som en ögonblicksbild från 10 juni snarare än en fast profetia. Instrumentpanelen visar alltid aktuella siffror, med som mest två timmars fördröjning.

Den live-uppdaterade instrumentpanelen

På tal om det: Varje siffra i den här artikeln kommer från en live-uppdaterad Streamlit-app som uppdateras automatiskt när pipelinen körs. Du kan öppna den på wc2026-predictions.streamlit.app och följa turneringen. Den har fyra huvudvyer:

• Turneringsöversikt: hur långt varje lag förväntas gå, i en överblick.
• Gruppställningar: för varje grupp, varje lags sannolikhet att sluta etta, tvåa, trea (uppdelat i trea-och-vidare respektive trea-och-ute, tack vare bästa-trea-regeln) eller fyra.
• Matchprognoser: för varje gruppmatch, chansen till hemmavinst, oavgjort eller bortavinst, tillsammans med det mest sannolika slutspelsträdet.
• Mest förekommande slutspelsmatcher: de parningar simuleringen oftast producerar.

En egenhet att flagga i matchvyn: ett par lag dyker upp i två möjliga platser i åttondelsfinalen samtidigt. Det är inte ett fel. Det händer när en grupp är så jämn att modellen inte säkert kan säga vilken kvalificeringsposition ett lag tar. I kombination med osäkerheten kring bästa treorna leder de två utfallen till olika slutspelsplatser. För Turkiet ledde det till och med till att de förekom två gånger i åttondelsfinalen.

Grafiken nedan visar de sista omgångarna (kvartsfinal till final) som XGBoost-modellen projicerar före turneringsstart:

Slantsinglingslaget: USA

Det roliga med en sådan här modell ligger i lagen som trotsar ögonmåttet, och det tydligaste exemplet är USA. Går du till turneringsöversikten på instrumentpanelen märker du direkt att USA sticker ut i färg.

Som medvärdar inför hemmapublik kanske du väntar dig en bekväm start, men modellen är betydligt mer försiktig: den ger dem bara runt 54,6 % chans att ta sig ur gruppen, den 13:e lägsta i hela fältet (kom ihåg att två tredjedelar av lagen går vidare!), eftersom deras grupp med Australien, Paraguay och Turkiet är ovanligt jämn.

Det intressanta kommer sedan. Väl vidare balanserar USA sedan på ungefär slantsingling i varje efterföljande runda. Stapla dessa slantsinglingar och de landar på runt 2 % chans att vinna hela turneringen, vilket är den 13:e högsta av alla 48 lag.

Ett lag som ligger 13:e från botten för att ta sig ur gruppen och 13:e från toppen att vinna allt är så nära en perfekt definition av ett slantsinglingslag man kan komma: aldrig favorit, aldrig uträknat.

Avslutande tankar

Detta projekt var mycket arbete och täcker långt mer än vad en artikel kan rymma. Repon innehåller mycket som inte fick plats här: hela uppsättningen kandidatmodeller, feature engineering och orkestreringen som håller allt igång är några exempel.

För nu har modellen gjort sina val, och turneringen får vara domare. Oavsett om du kom för MLOps eller fotbollen hoppas jag att du njuter av att se det hela utvecklas lika mycket som jag kommer att göra. Du kan följa live-prognosen när matcherna spelas och se hur väl förutsägelserna står sig.

Vill du titta närmare på några av koncepten jag nämnt rekommenderar jag vår kurs MLOps Concepts.