Сравнительный анализ методов машинного обучения с применением полинома Колмогорова-Габора для прогнозирования результатов спортивных событий

В статье представлен сравнительный анализ эффективности методов машинного обучения для прогнозирования результатов футбольных матчей, с фокусом на применении элементарного образа полинома Колмогорова-Габора. Актуальность исследования обусловлена необходимостью выбора сбалансированных по точности, интерпретируемости и вычислительной сложности моделей в условиях высокой стохастичности спортивных данных. Научная новизна заключается в адаптации элементарного образа полинома Колмогорова-Габора для задач спортивной аналитики и его комплексном сравнении с широким спектром алгоритмов — от классической регрессии до градиентного бустинга. На основе исторических данных построены и проанализированы модели: элементарный образ полинома, линейная регрессия, случайный лес, градиентный бустинг и нейронная сеть. Результаты оценивались по метрикам МАЕ и точности предсказания исхода. Модель на основе элементарного образа полинома Колмогорова-Габора (пКГ) показала конкурентную точность, сопоставимую с более сложными ансамблевыми методами, при этом сохранив преимущества в вычислительной эффективности и потенциальной интерпретируемости структуры нелинейных зависимостей. Сделан вывод о целесообразности использования данного подхода в качестве эффективного инструмента для построения гибридных прогнозных систем в спортивной аналитике.