ทำนายแชมป์ FIFA World Cup 2026: ไกด์ MLOps

ข้อมูลที่อยู่เบื้องหลังการทำนาย

คุณภาพของการทำนายดีได้เท่ากับสิ่งที่ใส่เข้าไป จึงควรเริ่มจากวัตถุดิบ โมเดลเรียนรู้จากแหล่งข้อมูลสดสองแหล่งและแปลงให้เป็นตารางฟีเจอร์ที่เป็นระเบียบเพียงชุดเดียว

แหล่งที่มาของข้อมูล

ทุกอย่างเริ่มจากสองแหล่งนี้ API-Football จัดหาโปรแกรมแข่งและสถิติต่อแมตช์: ใครพบใคร เมื่อไหร่ ที่ไหน และจบอย่างไร ส่วน eloratings.net จัดอันดับ Elo ให้ทุกทีมชาติ

คะแนน Elo คือเลขเดียวที่สะท้อนความแข็งแกร่งของทีม ทุกทีมอยู่บนสเกลนี้ และหลังจบแต่ละนัด คะแนนจะอัปเดต: ชนะทีมที่แข็งกว่าได้มาก แพ้ทีมที่อ่อนกว่าก็ตกฮวบ ไอเดียมาจากหมากรุกและปรับใช้กับฟุตบอลได้ลงตัว หากอยากเข้าใจแบบเต็มๆ บทความ DataCamp ก่อนหน้านี้อธิบายในบริบทฟุตบอลโลก 2022

เมื่อนำมารวมกัน แหล่งข้อมูลทั้งสองให้ Gold dataset ราว 6,900 แมตช์ทีมชาติตั้งแต่ปี 2018 ให้เรียนรู้

โมเดลทำนายอะไร

นี่คือการออกแบบสำคัญข้อแรก แทนที่จะทำนายผลเป็น ชนะ เสมอ แพ้ โดยตรง โมเดลจะทำนายสิ่งที่ละเอียดกว่า: จำนวนประตูที่แต่ละทีมทำได้ในแมตช์หนึ่ง จำนวนประตูในฟุตบอลโดยประมาณตาม การกระจายแบบปัวซอง ซึ่งเป็นวิธีมาตรฐานในการจำลองเหตุการณ์ที่เกิดไม่บ่อยภายในช่วงเวลาคงที่

การทำนายประตูแทนผลการแข่งขันคือสิ่งที่ทำให้ทุกอย่างต่อจากนี้เป็นไปได้ เมื่อโมเดลให้สกอร์ไลน์สมเหตุสมผลได้สำหรับทุกคู่คำถามที่ทุกคนสนใจจริงๆ เช่น ใครจะผ่านรอบแบ่งกลุ่มและใครจะชูถ้วย แก้ได้ด้วยการจำลองสกอร์ไลน์เหล่านั้นเป็นพันๆ ครั้ง

ฟีเจอร์ที่สำคัญ

แต่ละแมตช์อธิบายด้วยชุดฟีเจอร์เล็กๆ ที่คัดสรรมาอย่างตั้งใจ:

• ความต่าง Elo: ช่องว่างคะแนนระหว่างสองทีม นี่คือฟีเจอร์ที่สำคัญที่สุดแบบทิ้งห่าง โดยมีความสำคัญมากกว่าฟีเจอร์รองลงมาราวสองลำดับขั้น ซึ่งตรงกับสามัญสำนึก เพราะช่องว่างความแข็งแกร่งบอกผลที่เป็นไปได้มากกว่าสิ่งอื่นแทบทั้งหมด
• ผลรวม Elo: คะแนนสองทีมบวกกัน เป็นตัวแทนคุณภาพโดยรวมของแมตช์ ความต่างอย่างเดียวแยกอาร์เจนตินาพบสเปนออกจากซานมาริโนพบอันดอร์ราไม่ได้ ทั้งที่ทั้งสองเป็นเกมสูสีต่างระดับ ผลรวมช่วยคืนข้อมูลส่วนนั้น
• การเปลี่ยนแปลง Elo แบบกลิ้ง (5 นัดหลัง): คะแนนของแต่ละทีมเปลี่ยนไปล่าสุดแค่ไหน จับฟอร์มการเล่นโดยคำนึงถึงความแข็งแกร่งของคู่แข่งอยู่แล้ว
• ประตูได้เสียแบบกลิ้ง (5 นัดหลัง): ผลงานรุกและรับล่าสุดในเชิงปริมาณ คำนวณแยกให้แต่ละทีม
• บริบทของแมตช์: ระดับความสำคัญของรายการ (ฟุตบอลโลกรอบสุดท้ายต่างจากรอบคัดเลือกหรือนัดเนชันส์ลีก) เป็นนัดน็อกเอาต์หรือไม่ และแข่งสนามกลางหรือไม่

ทุกฟีเจอร์ป้องกันการรั่วไหลอย่างเคร่งครัด หมายถึงใช้เฉพาะข้อมูลที่มีอยู่ก่อนเขี่ยลูกเริ่มเกม ฟังดูชัดเจน แต่เป็นวิธีที่เผลอสร้างโมเดลที่ดูดีในเทสแต่พังในโลกจริงได้ง่ายมาก

อีกไอเดียที่ตัดออก: เดิมตั้งใจทำฟีเจอร์ "สไตล์การเล่น" ด้วยการจัดกลุ่มทีมจากสถิติในเกม เป็นขั้นตอน การเรียนรู้แบบไม่มีผู้สอน แต่ในทางปฏิบัติทีมไม่แยกเป็นกลุ่มที่มีความหมาย จึงเลือกไม่ป้อนสัญญาณรบกวนให้โมเดล ผลลบก็ยังเป็นผลลัพธ์

ทำให้ข้อมูลทำซ้ำได้

เมื่อข้อมูลไหลเข้าจากสองแหล่งอย่างต่อเนื่อง เส้นทางจากไฟล์ดิบไปถึงฟีเจอร์พร้อมเทรนต้องเหมือนเดิมทุกครั้ง ซึ่ง สถาปัตยกรรมเหรียญตรา ช่วยได้ โดยแบ่งข้อมูลเป็นสามชั้น:

• Bronze: ข้อมูลดิบตามที่เข้ามา ไม่แตะต้อง
• Silver: ทำความสะอาดและมาตรฐาน ที่นี่จะจับคู่ชื่อทีมระหว่างสองแหล่ง (มักสะกดไม่เหมือนกัน) ตรวจสอบสคีมา ผูกคะแนน Elo เข้ากับสถิติแมตช์ และจัดการกับข้อมูลที่ขาดหรือผิดรูป
• Gold: ชั้นสำหรับโมเดล เป็นตารางแถวละหนึ่งแมตช์พร้อมฟีเจอร์ครบถ้วนพร้อมฝึกสอน

แต่ละชั้นป้อนให้ชั้นถัดไป เมื่อมีอะไรแปลก สามารถไล่ย้อนทีละสเตจแทนการแก้ทุกอย่างพร้อมกัน เพื่อให้เส้นทางทั้งหมดทำซ้ำได้ ผมใช้ DVC (Data Version Control) ทุกครั้งที่มีผลสดเข้ามา คำสั่งเดียว dvc repro จะสร้าง Silver และ Gold จาก Bronze ใหม่ โดยรันเฉพาะสเตจที่อินพุตเปลี่ยน และเวอร์ชันชุดข้อมูลที่ได้เพื่อย้อนกลับสถานะก่อนหน้าได้เป๊ะ

เลือกโมเดลที่ดีที่สุด

การทำนายจำนวนประตูเป็นโจทย์ที่มีการศึกษาอย่างกว้างและไม่มีเครื่องมือเดียวที่ชัดเจน ดังนั้นแทนที่จะเลือกวิธีเดียวตั้งแต่แรก ผมสร้างไว้สิบโมเดลแล้วให้แข่งกัน

ผู้ท้าชิง

สิบโมเดลครอบคลุมห้าตระกูลพร้อมเบสไลน์ง่ายๆ ไม่จำเป็นต้องรู้กลไกภายใน จุดสำคัญคือแต่ละแบบตั้งสมมติฐานต่างกันมากว่าประตูเกิดขึ้นอย่างไร

วิธีให้คะแนน

มีผู้สมัครสิบราย เลือกผู้ชนะด้วยสายตาย่อมไม่ได้ แต่ละโมเดลจึงผ่านสามสเตจ และให้โค้ดตัดสินว่าจะไปต่อหรือไม่ นี่คือความหมายของ code-based deployment: โมเดลถูกเลื่อนชั้นจากสภาพแวดล้อมหนึ่งไปอีกที่ด้วยการตรวจสอบอัตโนมัติแทนการจูนมือ ทำให้กระบวนการคัดเลือกทำซ้ำได้และตรวจสอบย้อนหลังง่าย

• ทดลอง ฝึกสอนแต่ละโมเดลด้วยแมตช์ทีมชาติก่อนฟุตบอลโลก 2022 เท่านั้น ไม่ใช่ทุกนัดมีน้ำหนักเท่ากัน: เกมใหม่กว่าและแมตช์เดิมพันสูงจะได้น้ำหนักมากกว่า (time-decay และน้ำหนักความสำคัญของแมตช์) เพื่อให้ผลแข่งขันจริงล่าสุดมีอิทธิพลต่อโมเดลมากกว่านัดกระชับมิตรเก่าๆ จากนั้นจูนพารามิเตอร์เพื่อลด Poisson negative log-likelihood (NLL) โดยใช้ cross-validation NLL คือคะแนนที่บอกว่าค่าอัตราประตูที่ทำนายเข้ากับจำนวนประตูจริงแค่ไหน ยิ่งต่ำยิ่งดี ผลลัพธ์คือเวอร์ชันที่จูนดีที่สุดของแต่ละโมเดล
• ประกันคุณภาพ นำโมเดลที่จูนแล้วไปทดสอบกับแมตช์ที่ไม่เคยเห็น: ฟุตบอลโลก 2022 บวกทัวร์นาเมนต์ใหญ่อีกหกรายการหลังจากนั้น (EURO, แอฟริกันเนชันส์คัพสองครั้ง, โกปาอเมริกา, เอเชียนคัพ และโกลด์คัพ) รวม 347 แมตช์ ที่นี่เมตริกเปลี่ยนเป็น ranked probability score (RPS) ซึ่งวัดคุณภาพการพยากรณ์แบบความน่าจะเป็นเมื่อผลลัพธ์มีลำดับธรรมชาติ เช่น แพ้ เสมอ ชนะ และให้รางวัลกับความมั่นใจที่ไปในทิศทางถูกคร่าวๆ ยิ่งต่ำยิ่งดี โมเดลที่แข็งแกร่งที่สุดที่นี่จะเป็น ผู้ท้าชิง RPS เหมาะเป็นไม้บรรทัดเพราะเป้าหมายจริงคือทำนายว่าแต่ละทีมจะไปได้ไกลแค่ไหน ไม่ใช่แค่ยอดรวมประตู
• ดีพลอย เปรียบเทียบผู้ท้าชิงกับแชมป์เก่า หากชนะจะถูกเลื่อนชั้นและฟิตใหม่บนทุกแมตช์ที่มี เพื่อเข้าทัวร์นาเมนต์โดยเรียนรู้จากข้อมูลทั้งหมด

ผู้ชนะคือใคร

แล้ววิธีไหนชนะ? นี่คือกระดานผู้นำบนชุดทดสอบ วัดด้วย RPS (ยิ่งต่ำยิ่งดี):

มีสี่ประเด็นที่โดดเด่นจากผลลัพธ์นี้:

• XGBoost ชนะ แต่แบบฉิวเฉียด ห้าอันดับแรก (XGBoost, Bayesian Poisson, Negative Binomial, Bivariate Poisson และ Random Forest) อยู่ในระยะราว 0.0011 RPS ต่อกัน เมื่อหลายวิธีที่ต่างกันมากทำผลงานใกล้กันขนาดนี้ มักหมายถึงเพดานถูกกำหนดโดยข้อมูลและฟีเจอร์ ไม่ใช่ตัวโมเดล ที่นี่ความต่าง Elo แบกรับงานส่วนใหญ่จนการเลือกโมเดลขยับเข็มน้อย
• ฟีเจอร์เดียวครองเกม ความต่าง Elo สำคัญที่สุดแบบทิ้งขาด มีอิทธิพลมากกว่าฟีเจอร์รองลงมาราวร้อยเท่า นั่นเป็นสัญญาณน่าอุ่นใจ: ในแมตช์เดียว ช่องว่างความแข็งแกร่งระหว่างสองทีมคือเนื้อหาหลักของเรื่องจริงๆ
• ดีปเลิร์นนิงรั้งท้าย (ยกเว้นเบสไลน์) ทั้ง 1D CNN และ LSTM อ่อนที่สุดรองจากเบสไลน์ง่ายๆ ด้วยข้อมูลให้เรียนรู้ราว 7,000 แมตช์ จำนวนน้อยเกินไปสำหรับเครือข่ายที่มีพารามิเตอร์มาก วิธีคลาสสิกจัดการกับชุดข้อมูลเล็กและมีโครงสร้างได้ดีกว่า
• ไม่มีสัญญาณโอเวอร์ฟิตในวิธีคลาสสิก ปกติแล้วโมเดลจะทำได้แย่ลงเล็กน้อยบนข้อมูลที่ไม่เคยเห็น เที่ยวนี้เกือบทุกโมเดล (ยกเว้น LSTM) กลับทำคะแนนบนทัวร์นาเมนต์ที่กันไว้ดีกว่าใน cross-validation เหตุผลที่เป็นไปได้คือฟุตบอลทัวร์นาเมนต์คาดเดาได้มากกว่าปฏิทินทีมชาติปกติ: เดิมพันสูง ทีมแข็งและคุ้นเคยกว่า สนามกลาง ช่วยลดความสุ่มบางส่วน

สำหรับทัวร์นาเมนต์สด ผมไม่รันทั้งสิบ จะเก็บรายชื่อเล็กลง: เบสไลน์แบบค่าเฉลี่ยเป็นจุดอ้างอิง บวกสามผู้ทำผลงานดีที่สุด XGBoost และ Bayesian Poisson ครองสองอันดับแรก

อันดับสามแทบเสมอกัน: Negative Binomial และ Bivariate Poisson ห่างกันเพียง 0.0002 RPS และสลับอันดับตาม seed แบบสุ่ม ระหว่างสองโมเดลที่แยกกันทางสถิติไม่ออก ผมเลือก Bivariate Poisson เพราะนิยามยืนบนฐานวรรณกรรมการทำนายฟุตบอลที่แข็งแรงกว่า (Karlis และ Ntzoufras, 2004)

รายชื่อสุดท้ายคือ XGBoost (แมชชีนเลิร์นนิง), Bivariate Poisson (สถิติเชิงคลาสสิก) และ Bayesian Poisson (อนุมานแบบเบย์) ส่วนถัดไปจะอธิบายว่าโมเดลเหล่านี้รัน ฝึกสอนใหม่ และแปลงการทำนายแมตช์เดี่ยวเป็นพยากรณ์ทั้งทัวร์นาเมนต์อย่างไร

นำไปใช้จริง

โมเดลที่อยู่ในโน้ตบุ๊กมีประโยชน์แค่ตอนนั่งอยู่หน้ามัน เพื่อทำนายแมตช์ยาวตลอดเดือน ทั้งระบบต้องรันเอง: ดึงผลสด ฝึกสอนใหม่ จำลองใหม่ และรีเฟรชพยากรณ์โดยไม่ต้องให้ใครไปกดปุ่ม นั่นคือหน้าที่ของท่อส่งงาน

ท่อส่งงานทุกสองชั่วโมงบน GCP

โปรเจกต์ทั้งหมดรันเป็นงานตามกำหนดการเพียงงานเดียวบน Google Cloud Run ก่อนทัวร์นาเมนต์จะปลุกวันละครั้ง ตั้งแต่นัดเปิดวันที่ 11 มิถุนายน จะรันทุกสองชั่วโมง ทุกครั้งทำตามวัฏจักรเดียวกัน:

• เช็คข้อมูลใหม่ หากไม่มีแมตช์จบตั้งแต่ครั้งก่อน ก็ไม่มีอะไรต้องทำ งานจะออกทันที
• รับเข้าและสร้างใหม่ เมื่อมีผลใหม่ จะดึงจากแหล่งข้อมูล และ dvc repro ครั้งเดียวจะสร้างชั้น Silver และ Gold ใหม่ให้ฟีเจอร์เป็นปัจจุบัน
• ฝึกใหม่ ทำนาย จำลอง อัปเดตรายชื่อโมเดล (รายละเอียดต่อไป) ทำนายทุกคู่ที่กำลังจะถึง และจำลองทั้งทัวร์นาเมนต์
• ให้คะแนน เมื่อแมตช์ตัดสินแล้ว จะให้คะแนนการทำนายที่ทำไว้ เพื่อนำไปสู่การมอนิเตอร์ด้านล่าง

เพราะทุกขั้นถูกทริกเกอร์ด้วยโค้ดตามตาราง จึงไม่ต้องกดปุ่มมือระหว่างทัวร์นาเมนต์ ผลใหม่เข้า พยากรณ์ใหม่ออก

สองโหมด: คงที่ vs. ต่อรอบ

ตรงนี้โปรเจกต์ทำหน้าที่เป็นการทดลองไปด้วย ระหว่างทัวร์นาเมนต์ รายชื่อโมเดลจะรันสองโหมดคู่ขนาน และความต่างระหว่างสองโหมดคือคำถามที่หวังให้ข้อมูลช่วยตอบ: การฝึกสอนใหม่ระหว่างรายการช่วยให้แม่นขึ้นหรือไม่?

• คงที่ ล็อกโมเดลตั้งแต่นกหวีดเปิดทัวร์นาเมนต์และไม่ฝึกใหม่อีก พวกมันยังตอบสนองต่อผลการแข่งขันเพราะการจำลองแต่ละครั้งเริ่มจากผังล่าสุด แต่พารามิเตอร์ของโมเดลไม่เปลี่ยน
• ต่อรอบ คงค่าไฮเปอร์พารามิเตอร์ไว้ แต่พารามิเตอร์ที่โมเดลเรียนรู้จะฟิตใหม่บนข้อมูลทั้งหมดหลังจบทุกนัดของแต่ละแมตช์เดย์รอบแบ่งกลุ่มและหลังจบรอบน็อกเอาต์ทุกรอบ ทำให้โมเดลเรียนรู้จากทัวร์นาเมนต์ขณะเกิดขึ้น

การรันคู่กันช่วยให้เทียบได้สองมุมหลังจบ: ความแม่นยำ และความเร็วที่ความไม่แน่นอนลดลงเมื่อสนามแคบลง หากโหมดต่อรอบชนะ การฝึกใหม่เป็นประจำก็คุ้ม หากโหมดคงที่ไหว เครื่องไม้เครื่องมือเพิ่มเติมอาจไม่จำเป็น

จากการทำนายสู่ทั้งทัวร์นาเมนต์: มอนติคาร์โล

การทำนายแมตช์เดียวเป็นอย่างหนึ่ง การแปลงให้เป็น "โอกาสคว้าแชมป์ของแต่ละทีม" คือจุดที่การจำลองมอนติคาร์โลเข้ามา

เริ่มจากการอนุมาน แทนที่จะทำนายเฉพาะโปรแกรมที่รู้แล้ว โมเดลจะทำนายทุกคู่ที่เป็นไปได้ของ 48 ทีม ฟังดูเกินจำเป็น แต่ในทัวร์นาเมนต์ ทีมใดก็อาจเจอทีมใดในรอบน็อกเอาต์ได้ จึงต้องพร้อมสำหรับทุกคู่

ต่อไปต้องเข้ารหัสกติกา ซึ่งฟอร์แมตปี 2026 ทำให้ยุ่งเป็นพิเศษ ใน 12 กลุ่ม สองทีมแรกเข้ารอบอัตโนมัติ และอันดับสามที่ดีที่สุด 8 ทีมก็เข้ารอบด้วย ตำแหน่งในรอบ 32 ทีมของทั้งแปดนั้นขึ้นกับว่ามาจากกลุ่มใด

มี 495 วิธีในการเลือกแปดกลุ่มจากสิบสองกลุ่ม (สิบสองเลือกแปด) และแต่ละแบบให้ผังกรอบ 32 ทีมต่างกัน ไม่มีสูตรสะอาดๆ FIFA แค่เผยแพร่ตาราง ดังนั้นผม (หรือพูดให้ถูกคือเพื่อนร่วมงานผู้เชี่ยวชาญ Cursor) จึงฮาร์ดโค้ดทั้ง 495 กรณีลงในแมปปิง โดยใช้ตารางทางการเป็นแหล่งอ้างอิง

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

แต่ละคีย์อย่าง EFGHIJKL ระบุว่ากลุ่มใดแปดกลุ่มที่ส่งทีมอันดับสามเข้ารอบ และค่าในนั้นจะจับคู่แต่ละทีม (3E, 3F เป็นต้น) เข้ากับหมายเลขแมตช์ในรอบ 32 ทีม นี่เป็นเพียงตัวอย่างเดียว แมปปิงเต็มทำซ้ำแบบนี้ 495 ครั้ง ตามทุกชุดความเป็นไปได้

สามเจ้าภาพ (สหรัฐฯ แคนาดา และเม็กซิโก) ต้องจัดการพิเศษหนึ่งอย่าง เมื่อเจ้าภาพลงสนามในประเทศของตน การจำลองจะใช้ตัวปรับแต่งความได้เปรียบเจ้าบ้านสำหรับแมตช์นั้น ส่วนที่เหลือถือเป็นสนามกลาง

เมื่อการทำนายและกติกาพร้อม การจำลองจะรันทัวร์นาเมนต์ทั้งหมด 10,000 ครั้ง ในแต่ละครั้งจะทำขั้นตอนดังนี้:

1. สุ่มสกอร์ไลน์ของทุกแมตช์โดยดึงจำนวนประตูเหย้า-เยือนจากการกระจายที่โมเดลทำนาย
2. เล่นรอบแบ่งกลุ่มตามกติกาคะแนนและตัวตัดสินจริง
3. ตัดสินตารางอันดับสามที่ดีที่สุด
4. เติมผังน็อกเอาต์จากแมปปิงข้างต้น
5. เล่นจนได้แชมป์เพียงหนึ่งทีม

ตลอด 10,000 ทัวร์นาเมนต์จำลอง สัดส่วนครั้งที่ทีมหนึ่งๆ เข้าชิงหรือคว้าแชมป์จะกลายเป็นความน่าจะเป็นของทีมนั้น การจำลองครั้งเดียวคือการเดา สิบพันครั้งคือพยากรณ์

ติดตามทั้งหมดด้วย MLflow

ทุกการรันทั้งสองโหมด ถูกบันทึกไว้ใน MLflow (โฮสต์บน DagsHub) การติดตามการทดลองหมายถึงการบันทึกอินพุต การตั้งค่า ผลลัพธ์ และเอาต์พุตของแต่ละรันอย่างเป็นระบบ เพื่อให้เปรียบเทียบกันได้หรือทำซ้ำได้เป๊ะ จุดที่น่าสังเกตบางอย่างได้แก่:

• การทำซ้ำได้ การจำลองใช้ seed สุ่มคงที่ที่ได้จากรอบของทัวร์นาเมนต์ และใช้ seed เดียวกันทั้งโหมดคงที่และต่อรอบ หมายความว่าความต่างระหว่างสองโหมดเกิดจากตัวโมเดลเอง ไม่ใช่โชคในการสุ่มสกอร์ แต่ละรันยังล็อกสแนปช็อตข้อมูลที่เห็น (จำนวนแถว Gold และเวลา) เพื่อให้ย้อนตามอินพุตได้เสมอ
• การทดลอง แต่ละรันติดแท็กโหมด (คงที่หรือ ต่อรอบ) และสถานะในวงจรชีวิต ตั้งแต่ทดลองและ QA ไปจนถึงการอนุมานสดและการฟิตใหม่ สะท้อนขั้นตอนเลื่อนชั้นจากส่วนก่อนหน้า
• การเปรียบเทียบ บันทึก RPS บนชุดทดสอบเป็นเมตริกคัดเลือก พร้อมอ้างอิงรันแชมป์ปัจจุบันเพื่อดูสายสัมพันธ์ บันทึกเวลาฟิตด้วย ซึ่งเป็นจุดที่เห็นชัดว่าโมเดลแบบเบย์ช้ากว่าราว 100 เท่า

โมเดลที่ฝึกแล้วและไฟล์การทำนาย (ความน่าจะเป็นของทัวร์นาเมนต์ ตารางคะแนนกลุ่ม และพยากรณ์แมตช์) ถูกเก็บเป็นอาร์ติแฟกต์ของรัน และไฟล์เหล่านี้เองที่แดชบอร์ดสดอ่าน ปิดลูปตั้งแต่ผลดิบ ผ่านการฝึกและการจำลอง ไปจนถึงตัวเลขที่เห็นออนไลน์

มอนิเตอร์การดริฟต์

ชิ้นส่วนสุดท้ายรันเมื่อแมตช์ตัดสิน เมื่อผลจริงเข้ามา จะให้คะแนนการทำนายที่ทำไว้และเปรียบเทียบกับเบสไลน์แบบค่าเฉลี่ย หากโมเดลเต็มเริ่มแพ้ให้กับโมเดลที่ไม่รู้อะไรเกี่ยวกับทีม นั่นคือสัญญาณเตือนการดริฟต์: แพทเทิร์นที่เรียนรู้ก่อนทัวร์นาเมนต์อาจไม่ตรงกับสิ่งที่เกิดขึ้นในสนามอีกต่อไป

การเฝ้าดูสิ่งนี้เป็นมาตรฐานสำหรับระบบพยากรณ์สดใดๆ และอ่านเพิ่มเติมได้จากคู่มือเรื่อง data drift และ model drift

แล้วใครจะได้แชมป์โลก?

หลังจากเครื่องไม้เครื่องมือทั้งหมด นี่คือสิ่งที่สร้างมาเพื่อมัน

ตัวเต็ง

ณ วันที่ 10 มิถุนายน 2026 วันก่อนเปิดสนาม คำตัดสินของโมเดลชัดเจนที่หัวตารางและแน่นขนัดถัดลงมา สเปนและอาร์เจนตินานำหน้าด้วยโอกาสชูถ้วยราว 16% เท่ากัน ที่แชมป์โลก (อาร์เจนตินา) และแชมป์ยุโรป (สเปน) ออกมานำ ถือเป็นเช็คความสมเหตุสมผลที่ดีว่าโมเดลยืนบนความจริง

ด้านหลังมีขบวนไล่ล่าที่สูสีกัน ฝรั่งเศส อังกฤษ บราซิล และโคลอมเบียคือผู้ท้าชิงแชมป์ที่น่าจะเป็นไปได้มากที่สุด ตัวเลขเหล่านี้เป็นแบบสดและจะขยับทันทีที่ผลจริงเริ่มมา จึงควรมองเป็นภาพวันที่ 10 มิถุนายน ไม่ใช่คำทำนายตายตัว แดชบอร์ดจะแสดงตัวเลขล่าสุดเสมอด้วยดีเลย์สูงสุดสองชั่วโมง

แดชบอร์ดสด

พูดถึงตรงนี้: ทุกตัวเลขในบทความนี้มาจากแอป Streamlit สดที่อัปเดตอัตโนมัติเมื่อท่อส่งงานรัน เปิดได้ที่ wc2026-predictions.streamlit.app เพื่อติดตามทัวร์นาเมนต์ มีสี่มุมมองหลัก:

• ภาพรวมทัวร์นาเมนต์: แต่ละทีมคาดว่าจะไปได้ไกลแค่ไหน แบบมองภาพรวม
• ตารางกลุ่ม: สำหรับทุกกลุ่ม ความน่าจะเป็นที่แต่ละทีมจบอันดับหนึ่ง สอง สาม (แยกเป็นที่สามแต่เข้ารอบกับที่สามแต่อกหัก ตามกฎอันดับสามที่ดีที่สุด) หรือสี่
• พยากรณ์แมตช์: สำหรับเกมรอบแบ่งกลุ่ม โอกาสชนะเหย้า เสมอ หรือชนะเยือน พร้อมผังน็อกเอาต์ที่เป็นไปได้มากที่สุด
• คู่ประกบที่พบบ่อยในน็อกเอาต์: การจับคู่ที่การจำลองสร้างขึ้นบ่อยที่สุด

ข้อสังเกตหนึ่งในมุมมองแมตช์: บางทีมอาจปรากฏในสองช่องรอบ 32 ทีมพร้อมกัน นั่นไม่ใช่บั๊ก เกิดเมื่อกลุ่มสูสีมากจนโมเดลบอกตำแหน่งเข้ารอบของทีมได้ไม่มั่นใจ พอรวมกับความไม่แน่นอนของอันดับสามที่ดีที่สุด ผลสองแบบนำไปสู่ช่องน็อกเอาต์ต่างกัน ในกรณีของตุรกี ถึงขั้นทำให้พวกเขาอยู่ในรอบ 16 ทีมสองครั้ง

กราฟิกต่อไปนี้แสดงรอบสุดท้าย (ตั้งแต่รอบก่อนรองชนะเลิศจนถึงนัดชิง) ที่โมเดล XGBoost คาดการณ์ก่อนเปิดทัวร์นาเมนต์:

ทีมเหรียญโยน: สหรัฐอเมริกา

ความสนุกของโมเดลแบบนี้อยู่ที่ทีมที่สวนทางสายตา และตัวอย่างชัดที่สุดคือสหรัฐอเมริกา หากเปิดดูภาพรวมทัวร์นาเมนต์บนแดชบอร์ด จะเห็นชัดว่าสหรัฐฯ โดดเด่นด้วยสี

ในฐานะเจ้าภาพร่วม เล่นต่อหน้าแฟนบอลในบ้าน อาจคาดว่าออกสตาร์ตสบาย แต่โมเดลระมัดระวังกว่ามาก: ให้โอกาสผ่านรอบแบ่งกลุ่มเพียงราว 54.6% ซึ่งต่ำเป็นอันดับ 13 ของทั้งสนาม (จำไว้ว่าสองในสามของทีมจะเข้ารอบ!) เพราะกลุ่มที่มีออสเตรเลีย ปารากวัย และตุรกี สูสีกันผิดปกติ

ที่น่าสนใจคือหลังจากนั้น เมื่อลอดรอดมาได้ สหรัฐฯ จะอยู่ที่ระดับเหรียญโยนแทบทุกรอบที่ตามมา เมื่อนำโอกาสเหรียญโยนต่อเนื่องมาคูณกัน จะได้โอกาสคว้าแชมป์รวมราว 2% ซึ่งสูงเป็นอันดับ 13 จาก 48 ทีม

ทีมที่อยู่อันดับ 13 จากท้ายในการเข้ารอบแบ่งกลุ่ม และอันดับ 13 จากหัวในการคว้าแชมป์ น่าจะเป็นคำจำกัดความที่ลงตัวของ “ทีมเหรียญโยน”: ไม่เคยเป็นตัวเต็ง แต่อย่าเพิ่งนับว่าหมดลุ้น

ข้อคิดส่งท้าย

โปรเจกต์นี้ใช้แรงไม่น้อย และครอบคลุมมากกว่าที่บทความเดียวจะใส่ได้ repo มีอีกมากที่ไม่ทันเล่า: ชุดผู้สมัครโมเดลเต็ม เทคนิคฟีเจอร์ และการจัดการที่ทำให้ทุกอย่างรันได้ต่อเนื่อง เป็นต้น

ตอนนี้โมเดลเลือกฝั่งแล้ว และสนามหญ้าจะเป็นผู้พิพากษา ไม่ว่ามาเพราะ MLOps หรือฟุตบอล หวังว่าจะสนุกไปกับการลุ้นเช่นเดียวกับผม ติดตาม พยากรณ์สด เมื่อผลการแข่งขันหลั่งไหลเข้ามา และดูว่าการทำนายจะยืนระยะได้แค่ไหน

หากอยากเจาะลึกแนวคิดที่กล่าวถึง แนะนำคอร์ส MLOps Concepts ของเรา