近期状态曲线
不只是看胜负，还看进球的时间分布。有些队上半场猛，有些队最后二十分钟才醒，这类差异会单独建模。
模型到底在算什么
四块拼图，缺一块结论就不稳
伤停与轮换
主力中卫缺阵和替补边锋缺阵，权重完全不同。名单确认时间越晚，模型给出的区间就越宽。
主客场落差
同一支球队，主场和客场的预期进球能差出零点几个。这个值我们按赛季滚动更新，不用一整年的平均值糊弄。
交锋节奏
历史交锋里，控球率和射门转化率往往比比分更有参考价值。比分会被偶然性带偏，过程不会。
指标拆开看
才有意义
一个百分比丢给你，什么也说明不了。我们习惯把每项指标拆成来源、样本量、波动区间三段，让你知道这个数字是怎么来的、有多可信。
预期进球
按射门位置和方式估算的进球期望。数值高但实际进球少，通常意味着把握机会能力弱，或者门将状态异常好。
场均积分
最粗的指标，但用来看趋势很直观。我们一般取最近六场和最近十二场两条线一起看，交叉点常常有故事。
主客分离系数
把主场战绩和客场战绩分开算，再对比联赛平均。差值为正说明主场加成明显，为负则要小心。
波动率
近十场表现的离散程度。波动大的球队，任何单一结论都别太当真，包括我们自己的。
几个联赛的样本记录
挑了三段近期跑过的推演记录，把当时的输入条件和输出区间一并放出来，方便你判断这套东西合不合你的口味。
英超 · 第 27 轮
高位逼抢对低位防守
主队压迫强度联赛前三，客队后场出球成功率偏低。模型给出主队预期进球区间 1.6–2.1，实际落在区间内。
样本 240 场 · 置信区间 ±0.18
西甲 · 第 24 轮
控球率陷阱
主队控球常年六成以上，但禁区触球次数并不突出。这类比赛我们更看射门质量而不是控球数字，最终平局收场。
样本 210 场 · 置信区间 ±0.22
意甲 · 第 29 轮
锋线缺人后的调整
客队两名前锋同时停赛，模型下调其预期进球约三成，同时上调主队零封概率。这类信息变动要及时同步，否则结论会失真。
样本 185 场 · 置信区间 ±0.25
一场比赛的推演流程
从拿到赛程到给出区间，中间大概这么几步。顺序不复杂，麻烦的是每一步都要把数据洗干净。
-
01
拉取基础数据
赛程、名单、历史战绩，先确认时间戳，避免用到过期信息。
-
02
清洗与对齐
不同数据源的统计口径经常打架，这一步最费时间，但省不得。
-
03
跑模型出区间
输出的是概率分布，不是单一比分。区间越窄，说明信息越充分。
-
04
人工复核
机器看不到更衣室氛围和临时变动，最后这一步还是得靠人盯。
常被问到的
几个问题
整理了一些读者反复问的内容，答案尽量说人话，不绕弯子。
预测准确率能到多少？
没法给你一个固定的数字。不同联赛、不同阶段的准确率差别很大，而且我们输出的本来就是区间而非结论。把它当成一个筛子，用来缩小关注范围比较合适。
为什么同一场比赛两次结果不一样？
因为输入变了。伤停名单更新、天气变化、甚至临场盘口调整，都会让输出产生偏移。我们更希望你看趋势，而不是盯着某一次的数字。
小联赛的数据够用吗？
坦白说，样本少的联赛误差会明显变大。我们会在记录里标注样本量，低于一定阈值的直接标灰，不硬给结论。
这些内容算建议吗？
不算。这里只是数据整理和推演过程的记录，供参考和讨论。任何决定请自己判断，也请遵守所在地的相关规定。