NC 다이노스 vs 한화 이글스

한화 이글스 사후 의견

한화가 76% 승리확률 예측을 정확히 구현했으나, 점수 차이(7점)는 예측의 범위를 벗어났다. pre_game에서 NC의 recent_form이 -0.125 편향으로 과대평가되었고, 한화의 bullpen_fip(+0.074 편향)도 실제 불펜 성능을 완전히 반영하지 못했다. 특히 sfr에서 NC에 -0.964의 극단적 편향이 있었음에도 한화의 offensive 우위가 8득점까지 확대되는 과정은 단순 선형 모형으로 예측되지 않았다.

핵심: recent_form

놓친 것: NC의 recent_form 편향(-0.125)이 과도하게 상대팀을 상향평가했으며, 실제 경기에서 한화 타선이 8득점을 기록한 것은 pre_game lineup_woba(0.496, 편향 -0.004)의 보수적 설정으로 인한 offensive upside 누락.

AI 심판 종합 분석

이번 경기는 pre_game이 승자는 맞혔으나 '얼마나 이기는가'를 전혀 포착하지 못한 전형적인 규모 오차 사례다. 핵심은 sfr의 극단적 편향(-0.964)이 모델 내부에서 다른 factor들과 평균화되면서 희석된 데 있다. sfr이 단독으로 NC의 득점 생산 열세를 강하게 신호했음에도, war·sp_fip·head_to_head가 모두 중립값(0.500)에 고정되어 신호를 상쇄했다. 여기에 recent_form의 -0.125 편향은 NC의 실제 폼 붕괴 수준에 비해 지나치게 온건했다. 결과적으로 한화의 대규모 타선 폭발과 NC 원정 방어의 연쇄 붕괴는 모델의 시야 밖에 있었다. 다음 예측에서는 ① sfr처럼 극단값을 보이는 factor가 있을 때 선형 평균화 대신 비선형 가중치를 검토해야 하며, ② recent_form의 스케일링 기준을 팀의 최근 실점·득점 편차까지 포함하도록 재검토할 필요가 있다. 승패 방향의 정확도에 가려 점수 격차 예측력이 구조적으로 약하다는 점을 이번 경기가 명확히 보여줬다.