Metadata-Version: 2.2
Name: bukmacherska_lib
Version: 1.5.0
Summary: Biblioteka do analizy wyników piłkarskich z wykorzystaniem statystyki i machine learningu
Author: Twoje Imię
Author-email: twoj.email@example.com
Classifier: Programming Language :: Python :: 3
Classifier: License :: OSI Approved :: MIT License
Classifier: Operating System :: OS Independent
Requires-Python: >=3.6
Description-Content-Type: text/markdown
Requires-Dist: numpy
Requires-Dist: scikit-learn
Requires-Dist: matplotlib
Requires-Dist: pandas
Requires-Dist: xgboost
Requires-Dist: tensorflow
Requires-Dist: seaborn
Requires-Dist: scipy
Dynamic: author
Dynamic: author-email
Dynamic: classifier
Dynamic: description
Dynamic: description-content-type
Dynamic: requires-dist
Dynamic: requires-python
Dynamic: summary

# Bukmacherska Lib â€“ Biblioteka do Analizy ZakĹ‚adĂłw Bukmacherskich

## đź“Ś Opis

**Bukmacherska Lib** to kompleksowa biblioteka do analizy wynikĂłw meczĂłw piĹ‚karskich z wykorzystaniem zaawansowanych narzÄ™dzi matematycznych, statystycznych i algorytmĂłw uczenia maszynowego. DziÄ™ki tej bibliotece moĹĽesz przewidywaÄ‡ wyniki meczĂłw, analizowaÄ‡ statystyki druĹĽyn, a takĹĽe generowaÄ‡ wykresy i wizualizacje do dalszej analizy.

Biblioteka zawiera cztery gĹ‚Ăłwne modele:
- **Model 12** â€“ Zaawansowane modele machine learning (12 algorytmĂłw)
- **Model 24** â€“ 24 modele machine learning do predykcji wynikĂłw meczĂłw
- **Model 360** â€“ Analiza matematyczna i statystyczna z narzÄ™dziami predykcyjnymi
- **Bukmacherska** â€“ Podstawowe narzÄ™dzia do obliczania stawek, analizy wynikĂłw i rysowania wykresĂłw

## đź”ą Kluczowe funkcjonalnoĹ›ci

- **Zaawansowana analiza statystyczna**: Obliczanie Ĺ›rednich, wariancji, funkcji gamma, beta, Poissona, i innych.
- **Modele predykcyjne**: Regresja logistyczna, SVM, XGBoost, LSTM, random forest, itp.
- **Analiza druĹĽyn i meczĂłw**: Analiza skutecznoĹ›ci obrony, przewidywanie goli, analiza agresji i kondycji druĹĽyn.
- **Wizualizacje**: Generowanie wykresĂłw liniowych, sĹ‚upkowych, 3D i innych wizualizacji.
- **Podstawowe narzÄ™dzia bukmacherskie**: Obliczanie stawek, tabele bramek, rysowanie wykresĂłw dla rĂłĹĽnych danych meczowych.

## đź›  Instalacja

Aby zainstalowaÄ‡ bibliotekÄ™, uruchom poniĹĽsze polecenie:

```bash
pip install bukmacherska_lib

pip install -r requirements.txt

from bukmacherska_lib.models.model_360 import mean, poisson_pmf, normal_pdf

# PrzykĹ‚adowe dane
data =[[1, 2],[3, 4, 5]]

# Oblicz Ĺ›redniÄ…
print("Ĺšrednia:", mean(data))

# Oblicz prawdopodobieĹ„stwo Poissona
print("PrawdopodobieĹ„stwo Poissona:", poisson_pmf(2, 3.5))

# Oblicz prawdopodobieĹ„stwo z rozkĹ‚adu normalnego
print("PrawdopodobieĹ„stwo z rozkĹ‚adu normalnego:", normal_pdf(2, 0, 1))

from bukmacherska_lib.models.model_24 import train_models, predict_with_models, plot_results

import numpy as np

# PrzykĹ‚adowe dane
X_train = np.array([[1, 2], [2, 3], [3, 4]])
y_train = np.array([0, 1, 1])
X_test = np.array([[2, 3], [3, 4]])

# Trening modeli
models = train_models(X_train, y_train)

# Predykcja
predictions = predict_with_models(models, X_test)
print("Predykcje:", predictions)

# Wizualizacja
plot_results(predictions, x_min=1.5, x_max=1.2, y_min=1.0, y_max=0.9)

from bukmacherska_lib.models.model_12 import train_models, predict_with_models, plot_results

import numpy as np

# PrzykĹ‚adowe dane
X_train = np.array([[1, 2], [2, 3], [3, 4]])
y_train = np.array([0, 1, 1])
X_test = np.array([[2, 3], [3, 4]])

# Trening modeli
models = train_models(X_train, y_train)

# Predykcja
predictions = predict_with_models(models, X_test)
print("Predykcje:", predictions)

# Wizualizacja
plot_results(predictions, x_min=1.5, x_max=1.2, y_min=1.0, y_max=0.9)

from bukmacherska_lib.bukmacherska import oblicz_stawki, rysuj_wykresy_stawki, tabela_bramek

# Dane wejĹ›ciowe
stawka_poczatkowa = 100
gole_zdobyte_druzyna1 = 1.8
gole_stracone_druzyna1 = 1.2
gole_zdobyte_druzyna2 = 1.5
gole_stracone_druzyna2 = 1.7
czas = [0, 15, 30, 45, 60, 75, 90]

# Oblicz stawki
stawki_druzyna1, stawki_druzyna2 = oblicz_stawki(
    stawka_poczatkowa, 
    gole_zdobyte_druzyna1, gole_stracone_druzyna1, 
    gole_zdobyte_druzyna2, gole_stracone_druzyna2, 
    czas
)

# Rysuj wykresy
rysuj_wykresy_stawki(stawki_druzyna1, stawki_druzyna2, czas)

# Tabela bramek
gamma_values = [1, 2, 3, 4, 5]
tabela = tabela_bramek(gamma_values)
print("Tabela bramek:", tabela)
