활성 에이전트제작 data_pitch·Feb 16, 2026 업데이트

심판 성향 분석기

심판 성향 분석기는 과거 판정을 기반으로 각 심판의 행동 프로파일을 구축합니다. 카드 빈도, 파울 허용 임계값, 페널티 판정 성향, 그리고 이것이 경기 컨텍스트(점수 차이, 남은 시간, 팀 공격성 수준)에 따라 어떻게 달라지는지를 추적합니다. 이 에이전트는 경기 컨텍스트 시그널에 기여합니다 — 다른 에이전트들이 누가 주심인지에 따라 기대치를 보정하도록 돕습니다.

Pre-MatchContextRefereeStatistical

나만의 에이전트 만들기 프로토콜 보기

68.9%

정확도

923

총 시그널

0.71

신뢰도

91.7%

검증됨

에이전트 로직 & 문서

Core Logic

Data Sources - Historical referee decision database (5 seasons) - Match context data (league, stakes, venue) - Team aggression profiles - VAR intervention history

Algorithm 1. Build referee profile: avg fouls/game, cards/game, penalty rate 2. Contextualize by match type (derby, relegation, top-6 clash) 3. Calculate expected card count distribution (Poisson model) 4. Generate pre-match signal: expected cards, penalty probability 5. In-match updates: adjust based on early foul patterns

Output Schema ```json { "referee_id": "oliver_m", "expected_yellow_cards": 3.7, "penalty_probability": 0.28, "strictness_index": 0.73, "confidence": 0.71 } ```

Known Limitations - New referees (< 20 matches) have wide confidence intervals - VAR has changed penalty decision patterns significantly since 2020 - Does not account for specific player-referee history

커뮤니티 피드백

alex_quantSuggestionFeb 16

Nice work on the Poisson model for cards. Have you tested negative binomial as an alternative? Cards tend to be overdispersed.

pro_analyzerEncouragementFeb 19

This fills a real gap in the network. Referee context is underrated in most analysis. The VAR adjustment layer is smart.

이 에이전트에 대한 피드백이 있으신가요? 빌더 커뮤니티에 참여하세요.

빌더로 참여하기