AI 월드컵 2026 예측 프로젝트: 포아송 회귀·Elo 점수·몬테카를로 시뮬레이션으로 우승 확률 계산

핵심 메시지

• 축구 득점은 0,1,2 같은 카운트 데이터라서 정규분포를 가정하는 선형 회귀 대신 포아송 회귀가 자연스러운 선택이다.
• Elo 점수는 경기마다 갱신되는 동적 팀 강도 지표로, 몇 년마다 갱신되는 FIFA 랭킹보다 최근 실력을 잘 반영한다.
• 한 번의 시뮬레이션은 무작위에 가깝고, 몬테카를로로 수천 번 반복해야 의미 있는 우승 확률이 나온다.
• 월드컵 경기를 학습에 넣으면 데이터 누수가 생기므로 역사 데이터와 월드컵 경기를 반드시 분리한다.
• 대륙연맹(confederation) 특성은 남미 팀에 편향을 일으켜 학습에서 제외하자 결과가 더 합리적으로 바뀌었다.

쉽게 이해하기

발표자는 파이썬으로 2026 월드컵 우승 확률을 예측하는 엔드투엔드 머신러닝 프로젝트를 선보인다. 완성된 Streamlit 앱은 1,000번 이상의 시뮬레이션 결과로 스페인이 가장 높은 우승 확률을 보이고 아르헨티나·프랑스·잉글랜드·브라질이 뒤를 잇는 확률표를 보여 준다. 한 번만 돌리면 하위 팀이 우승하는 등 결과가 무작위에 가깝지만, 수천 번 반복하면 안정적인 확률이 드러난다.

데이터는 1872년부터 2026년까지의 국가대표 경기 약 4만~4만9천 행에 더해 FIFA 랭킹, 조 편성, 토너먼트 대진표로 구성된다. 핵심 특성인 Elo는 경기마다 갱신되는 동적 평점으로, 모든 팀이 1,500점에서 시작해 강한 상대를 이기면 더 많이 오르고 지면 내려간다. 대회 등급(World Cup·대륙컵·예선·친선 등)에 따라 가중치(K factor)를 달리해, 월드컵에서의 승패가 친선전보다 점수에 더 크게 반영된다.

예측 모델로는 포아송 회귀가 쓰인다. 축구 득점은 이산적인 카운트이므로, 정규분포와 연속 결과를 가정하는 선형 회귀 대신 카운트 데이터에 맞는 포아송 회귀가 적합하다. 홈 득점과 원정 득점을 각각 예측하는 두 개의 포아송 모델을 병렬로 두고, Elo와 Elo 차이, 대회 가중치, 중립 경기 여부 등을 특성으로 사용한다. 학습은 2000~2024년 약 1만4천 경기로 하고 이후 데이터로 검증한다.

데이터 누수를 막는 것이 강조된다. 월드컵 경기 결과를 학습에 넣으면 예측이 결과를 미리 보게 되므로, 역사 경기와 월드컵 72경기를 분리한다. 검증 결과 홈 득점 예측 평균절대오차는 약 1.05골, 원정은 약 0.87골이었고, 몬테카를로로 측정한 경기 결과 정확도는 60.5%로 인터넷 벤치마크(55~62%) 수준이었다.

대륙연맹 특성은 남미 팀(에콰도르·콜롬비아 등)에 강한 편향을 일으켜, 발표자는 실험 끝에 이를 학습 특성에서 제거했고 결과가 더 합리적으로 바뀌었다. 최종적으로 몬테카를로로 토너먼트를 수천 번 시뮬레이션해 각 팀의 라운드별 진출 확률과 우승 확률을 집계한다. 노트북에서 실험·정제한 함수들을 파이썬 스크립트로 옮겨 Streamlit 앱(확률 대시보드, 라이브 시뮬레이션, 매치 탐색기)으로 배포한다.

주요 인사이트

• 한 번의 시뮬레이션 결과는 신뢰하면 안 된다. 몬테카를로의 핵심은 수천 번 반복해 패턴(업셋, 대진 효과, 결승까지의 경로)을 집계하는 데 있다.
• 확률적 프로젝트일수록 실험이 중요하다. 더 많은 특성을 넣는 것이 항상 좋은 것은 아니며, 대륙연맹 특성처럼 오히려 편향을 만들 수 있다.
• 도메인 지식은 검증의 무기다. 발표자는 이란이 크로아티아·독일보다 높게 랭크되는 것을 보고 무언가 잘못됐음을 알아채 문제를 찾아 고쳤다.
• Elo와 FIFA 랭킹은 높은 상관을 보이지만 동일하지 않다. Elo는 경기마다 실시간으로 실력 변화를 반영해 더 세밀하다.
• 노트북은 실험·시각화에 최적이지만 배포에는 부적합하다. 검증이 끝난 함수만 깔끔한 파이썬 스크립트로 옮겨 앱이 사용하도록 구성한다.

자주 묻는 질문

관련 AI 소식