VLADIMIR DEEP NN pst vyhry na zaklade ELO rozdilu

import numpy as np
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense
import matplotlib.pyplot as plt

# Trénovací data
train_data = np.array([
    [332, 1], [289, 1], [250, 1], [91, 1], [-91, 1], [-206, 1], [-206, 1],
    [-228, 1], [-239, 1], [-256, 1], [-266, 1], [-278, 1], [-279, 1],
    [-289, 1], [-297, 1], [-297, 1], [-311, 1], [-312, 1], [-324, 1],
    [-348, 1], [-396, 1], [-509, 1], [-521, 1], [-526, 1], [-550, 1],
    [-606, 1], [-633, 1], [-728, 1], [550, 0], [385, 0], [341, 0], [289, 0],
    [228, 0], [137, 0], [110, 0], [75, 0], [-33, 0], [-70, 0], [-226, 0],
    [-251, 0], [-263, 0], [-273, 0], [-280, 0], [-390, 0], [-440, 0],
    [792, 0], [757, 0], [718, 0], [591, 0], [585, 0], [578, 0], [524, 0],
    [512, 0], [463, 0], [455, 0], [431, 0], [421, 0], [396, 0], [387, 0],
    [386, 0], [379, 0], [370, 0], [361, 0], [341, 0], [339, 0], [338, 0],
    [328, 0], [323, 0], [307, 0], [303, 0], [288, 0], [284, 0], [282, 0],
    [277, 0], [232, 0], [164, 0], [131, 0], [108, 0], [35, 0], [8, 0],
    [-87, 0], [-228, 0], [-230, 0], [-276, 0], [-347, 0], [-367, 0],
    [-543, 0], [294, 1], [284, 1], [104, 1], [-186, 1], [-238, 1], [-262, 1],
    [-280, 1], [-325, 1], [-326, 1], [-384, 1], [-422, 1], [-498, 1],
    [390, 0], [266, 0], [-297, 0], [-331, 0], [585, 0], [531, 0], [520, 0],
    [465, 0], [251, 0], [133, 0], [55, 0], [-228, 0], [-248, 0], [-306, 0]
])

# Rozdělení na vstupy (X) a výstupy (y)
X_train = train_data[:, 0].reshape(-1, 1)
y_train = train_data[:, 1]

# Definování modelu
model = Sequential([
    Dense(10, input_dim=1, activation='relu'),
    Dense(8, activation='relu'),
    Dense(1, activation='sigmoid')
])

# Kompilace modelu
model.compile(optimizer='adam', loss='binary_crossentropy', metrics=['accuracy'])

# Trénování modelu
model.fit(X_train, y_train, epochs=100, batch_size=10, verbose=1)

# Vykreslení pravděpodobností výhry na základě Elo rozdílu
elo_values = np.arange(-1000, 1000, 10)
elo_probabilities = model.predict(elo_values)

plt.figure(figsize=(10, 6))
plt.plot(elo_values, elo_probabilities, label='Pravděpodobnost výhry')
plt.xlabel('Elo rozdíl')
plt.ylabel('Pravděpodobnost výhry')
plt.title('Pravděpodobnost výhry na základě Elo rozdílu')
plt.grid(True)
plt.legend()
plt.show()