🏎️ F1 Predictor - Система предсказания результатов Формулы-1

F1 Predictor - это система для предсказания результатов гонок Формулы-1, использующая машинное обучение и исторические данные.

✨ Особенности

🎯 Точные предсказания

• Gradient Boosting модель для предсказания позиций гонщиков
• Учет исторических данных с 2019 года
• Топ-10 accuracy: до 85% точности предсказания попадания в очки
• Автоматическая подборка гиперпараметров

🏁 Полное покрытие сезона

• ✅ Все гонки календаря F1 2025
• ✅ Спринтерские заезды с правильной системой очков
• ✅ Квалификации и гонки
• ✅ Разные типы трасс (street circuits, permanent tracks)
• ✅ Погодные условия и телеметрия

📊 Богатая аналитика

• Визуализация результатов и предсказаний
• Сравнительные графики реальных vs предсказанных результатов
• Статистика побед, подиумов, финишей в очках
• Детализация гонка-за-гонкой
• Рейтинги команд и гонщиков

🛠 Технические преимущества

• Кэширование данных для быстрого доступа
• Интуитивное меню на русском языке
• Модульная архитектура для легкого расширения
• Автоматическое сохранение моделей и результатов

🚀 Быстрый старт

Предварительные требования

• Python 3.8 или выше
• 2GB+ свободного места для кэша данных
• Стабильное интернет-соединение для загрузки данных

Установка зависимостей

pip install -r requirements.txt

Основные зависимости:

• fastf1 - загрузка данных F1
• scikit-learn - машинное обучение
• pandas, numpy - обработка данных
• matplotlib, seaborn - визуализация

Запуск приложения

python main.py

📋 Возможности меню

1. 💾 Кэширование данных

• Загрузка и кэширование данных за любой сезон
• Включает гонки, квалификации и спринты

2. 🎓 Обучение модели

• Обучение на выбранных сезонах (по умолчанию: 2019,2021-2024)
• Настройка гиперпараметров через конфиг
• Автоматическое сохранение моделей с метаданными
• Валидация и оценка качества модели

3. 🧪 Тестирование модели

• Проверка точности на исторических данных
• Метрики: MAE, RMSE, Top-10 Accuracy, Top-3 Accuracy
• Сравнение реальных и предсказанных результатов
• Детальные отчеты в CSV и JSON форматах

4. 🔮 Предсказание сезона

• Полная симуляция сезона 2025
• Учет спринтов и разных типов трасс
• Реалистичная вариативность результатов
• Детальная статистика по гонщикам и командам
• Визуализация чемпионата

5. 📊 Просмотр моделей

• Список всех обученных моделей
• Метрики и история обучения
• Выбор модели для предсказаний
• Информация о годах обучения и качестве

🏗 Архитектура проекта

f1-predictor/
├── src/
│   ├── core/
│   │   └── menu.py          # 📱 Интерактивное главное меню
│   ├── data/
│   │   ├── loader.py        # 📥 Загрузчик данных FastF1
│   │   └── cleaner.py       # 🧹 Очистка и подготовка данных
│   ├── model/
│   │   ├── trainer.py       # 🎓 Обучение ML модели
│   │   └── predictor.py     # 🔮 Предсказания и симуляции
│   └── visualization/
│       └── plotter.py       # 📊 Визуализация результатов
├── models/                  # 💾 Сохраненные модели
├── data/                    # 📁 Результаты предсказаний
├── f1_cache/               # 🗃️ Кэш данных FastF1
├── config.py               # ⚙️ Конфигурация проекта
├── main.py                 # 🚀 Точка входа
└── README.md

📈 Метрики качества

Метрика	Значение	Описание
MAE	2.7-3.2	Средняя абсолютная ошибка позиции
RMSE	3.5-4.0	Корень из среднеквадратичной ошибки
Top-10 Accuracy	80-85%	Точность попадания в очки
Top-3 Accuracy	80-85%	Точность предсказания подиума

📊 Визуализации

Проект создает комплексные визуализации:

• Топ-10 гонщиков с детальной статистикой
• Результаты команд с победами и подиумами
• Распределение очков среди гонщиков
• Статистика побед и подиумов
• Сравнение реальных и предсказанных результатов
• Box-plot'ы средних позиций по командам
• Scatter plot'ы точности предсказаний

📝 Лицензия

Этот проект распространяется под лицензией MIT. Смотрите файл LICENSE для деталей.

🙏 Благодарности

• FastF1 за предоставление богатого API данных Формулы-1
• Scikit-learn за мощные инструменты машинного обучения
• Formula 1 за захватывающий спорт и данные
• Сообществу разработчиков за идеи и вклад

---

Создано с ❤️ для фанатов Формулы-1 и Data Science

🏎️💨 In data we trust, on track we predict

---

Предсказания носят исключительно ознакомительный характер. Реальные результаты могут отличаться.