---
license: mit
library_name: scikit-learn
tags:
  - bac-bo
  - sequence-similarity
  - lightgbm
  - faiss
  - probability-calibration
---

# simulado-bacbo — prediction artifacts

Artifacts do motor de predição do projeto [amarorn/simulado-bacbo](https://github.com/amarorn/simulado-bacbo).

Estima distribuição calibrada **Player / Banker / Tie**. Não implica padrão determinístico nem edge garantido.

## Conteúdo

| Caminho | Descrição |
| --- | --- |
| `lgbm_model.joblib` | Modelo (HistGradientBoosting / pipeline local) |
| `calibrator.joblib` | Calibrador isotônico |
| `normalizer.json` | Normalização de features |
| `selected_features.json` | Features selecionadas |
| `metadata.json` | Métricas de treino / walk-forward |
| `similarity/` | Índice de similaridade (FAISS + encoder + meta) |
| `benchmark_*.json` | Benchmarks locais |

## Similarity index

- window: **100**
- metric: **euclidean**
- k: **100**
- vectors: ver `similarity/metrics.json` (`n_vectors`)
- backend: **faiss**

## Uso local

Baixar para o serviço:

```bash
hf download amarorn/simulado-bacbo --local-dir services/prediction-engine/artifacts
```

Ou no monorepo, apontar `PREDICT_ARTIFACTS_DIR` / `SIMILARITY_ARTIFACTS_DIR` para a pasta baixada.

## Honestidade

Se `beats_marginal=false` em `metadata.json` / benchmarks, preferir baseline marginal na operação. Bac Bo é jogo de mesa com house edge — estes artifacts são para estudo / assistência simulada.