UCL Prediction

Projet de machine learning pour prédire le vainqueur de la UEFA Champions League à partir des statistiques des équipes.

Stack

• Python 3.10+
• scikit-learn — Logistic Regression, Random Forest, Gradient Boosting
• pandas — manipulation des données
• football-data.org API — source des données (matchs, classements)

Architecture

football-data.org API
        ↓
   scraper.py  →  data/raw/         (matchs, équipes, classement)
        ↓
   features.py →  data/processed/   (forme récente, features différentielles)
        ↓
   model.py    →  models/           (modèle entraîné + prédiction du vainqueur)

Installation

git clone https://github.com/kaz229/ucl-prediction.git
cd ucl-prediction
pip install -r requirements.txt

Créer un fichier .env à la racine :

FOOTBALL_DATA_API_KEY=ton_token_ici

Clé disponible gratuitement sur football-data.org.

Usage

Les 3 étapes sont à exécuter dans l'ordre :

# 1. Collecte des données
python src/scraper.py

# 2. Feature engineering
python src/features.py

# 3. Entraînement + prédiction du vainqueur
python src/model.py

Features du modèle

Les features sont calculées sur les 5 derniers matchs UCL de chaque équipe, avant le match à prédire :

Feature	Description
home_form_gf	Buts marqués (domicile, 5 derniers matchs)
home_form_ga	Buts concédés (domicile)
home_form_pts	Points (domicile)
away_form_gf	Buts marqués (extérieur)
away_form_ga	Buts concédés (extérieur)
away_form_pts	Points (extérieur)
diff_form_pts	Écart de points (home - away)
diff_form_gf	Écart de buts marqués
diff_form_ga	Écart de buts concédés
phase_encoded	Phase du tournoi (1 = Ligue → 6 = Finale)

Variable cible : résultat du match — 2 victoire domicile, 1 nul, 0 défaite domicile.

Modèles comparés

Trois modèles sont entraînés et évalués en cross-validation (5 folds) :

• Logistic Regression
• Random Forest (200 estimateurs)
• Gradient Boosting (200 estimateurs) ← généralement meilleur

Deux versions sont produites : features brutes et features normalisées (StandardScaler).

Roadmap

• Script main.py pour orchestrer les 3 étapes
• Intégration des stats de championnat domestic (pas seulement UCL)
• Simulation knockout avec tirage au sort réel
• Prise en compte des matchs aller-retour
• Passage à DuckDB + dbt pour la couche de transformation