Przejdź do treści

Half Marathon Results Prediction

Prognozowanie czasów w półmaratonie na podstawie danych treningowych i wyścigowych

📋 Opis Projektu

Projekt predykcji czasów ukończenia półmaratonu (21.1 km) na podstawie historycznych danych treningowych zawodników, wyników wcześniejszych biegów i czynników fizjologicznych.

🎯 Cel

Stworzenie modelu ML, który przewiduje czas ukończenia półmaratonu dla biegacza na podstawie: - Danych treningowych (dystans, tempo, częstość) - Wyników wcześniejszych biegów (5K, 10K) - Charakterystyk fizycznych (wiek, BMI, doświadczenie) - Warunków wyścigu (pogoda, profil trasy)

� Zobacz projekt

  • Zobacz Notebook

    Pełna analiza EDA, feature engineering, modelowanie i ewaluacja w interaktywnym notebooku.

�📊 Dataset

Dane zbierane z: - Wyniki oficjalnych półmaratonów - Dane treningowe z aplikacji sportowych - Charakterystyki zawodników - Warunki pogodowe podczas wyścigów

Features: - Best 5K time - Best 10K time - Average weekly mileage - Age, Gender, BMI - Training pace - Years of running experience - Race elevation gain

🛠️ Technologie

  • Python, Scikit-learn
  • Pandas, NumPy
  • Feature Engineering
  • Time Series Analysis (opcjonalnie)
  • Streamlit (UI aplikacji)

📈 Model & Performance

Target: Czas półmaratonu (w minutach)

Algorytmy testowane: - Linear Regression (baseline) - Random Forest Regressor - Gradient Boosting Regressor - XGBoost (likely winner)

Metryki: - MAE (Mean Absolute Error) - RMSE - R² score - MAPE (Mean Absolute Percentage Error)

💡 Feature Engineering

Utworzone cechy: - 5K to 10K ratio - consistency indicator - Training volume - weekly km - Age group categories - Pace zones - easy/moderate/hard - Recent form - ostatnie 4 tygodnie - Race experience - liczba ukończonych biegów

🎓 Insights

  • 10K time jest najlepszym predyktorem
  • Training volume ma mniejsze znaczenie niż quality training
  • Age effect: nonlinear (best around 30-35)
  • Recent injuries/breaks significantly impact performance

📸 Screenshots

Aplikacja Streamlit

App

Interfejs aplikacji do predykcji czasów

Wyniki analizy

Results

Predykcja czasu i rekomendacje treningowe

Wizualizacje

Charts

Wykresy i analiza czynników wpływających na wynik

🚀 Aplikacja

Streamlit app umożliwia: - Input danych biegacza - Predykcja czasu półmaratonu - Rekomendacje treningowe - Porównanie z innymi biegaczami

Status: ✅ Ukończony
Tech Stack: Python, Scikit-learn, Streamlit
Model: Gradient Boosting / XGBoost