두산 베어스 vs 롯데 자이언츠

롯데 자이언츠 사후 의견

롯데는 28% 낮은 홈 승리확률 예측을 뒤엎고 6-1 완승했다. 결정적으로 recent_form(0.167)과 head_to_head(0.333)에서 두산이 크게 과평가됐으며, 특히 recent_form의 -0.333 편향이 롯데의 실제 현재 상승세를 완전히 놓쳤다. 두산의 선발 투수 우위(sp_fip +0.388)도 실제 경기에서는 작동하지 않았고, 롯데 타선이 일반적인 lineup_woba(0.502) 기댓값을 실제로 초과 집행하며 조기 주도권을 확보했다.

핵심: recent_form

놓친 것: 두산의 최근 폼(recent_form -0.333 편향)을 과도하게 신뢰하면서 롯데의 현재 모멘텀과 경기력 추세를 과소평가했다. 또한 head_to_head(-0.167 편향)에서 역사적 우위가 최근 실적과 괴리를 보였음.

AI 심판 종합 분석

이번 경기에서 pre_game 모델은 두산 72% 승리를 예측했으나 실제 결과는 롯데의 6-1 완승이었다. 오류의 핵심은 세 가지 factor의 연쇄적 과소평가에 있다. 첫째, recent_form의 편향 절댓값이 가장 컸으며, 롯데의 현재 모멘텀과 두산의 부진 기조를 모델이 포착하지 못했다. 순간의 팀 컨디션과 상승·하강 추세는 시즌 누적 지표보다 단기 결과 예측력에서 더 강한 신호를 제공하는데, 모델 가중치 구조가 이를 충분히 반영하지 못한 것으로 보인다. 둘째, sp_fip·sp_xfip에 기반한 선발 투수 우위 예측이 실제 득점 결과와 정반대로 작동했다. FIP 계열 지표는 컨디션 당일 변동성, 상대 타선과의 궁합, 볼파크 이외의 맥락 변수를 흡수하지 못하는 구조적 한계가 있다. 셋째, head_to_head는 역사적 통계를 담지만 최근 N경기 한정 직접 대면 트렌드를 분리해 반영하지 않을 경우 현시점 전력 차를 오판하게 된다. 다음 예측에서는 recent_form의 산출 기간 및 가중치를 재검토하고, sp_fip 적용 시 최근 등판 컨디션 보정을 추가하며, head_to_head를 전체 기록과 단기 기록으로 분리해 이중 반영하는 구조 개선이 필요하다.