SportMetrics 的预测是怎么算出来的

一、我们从哪些数据出发

对每支球队，我们汇集真正会影响结果的可量化信号。这里没有主观成分——每一项输入都是取自真实比赛的数字：

• 联赛地位——当前积分榜上的排名、积分与已赛场次。
• 进攻与防守——场均进球（或得分）与场均失球。
• 近期状态——球队最近若干场的表现。
• 主客场差异——很多球队主场和客场判若两队。
• 历史交锋——这两支球队之间近年的对阵记录。
• 赛程强度——近期对手的水平，以及赛程是否密集。

二、足球模型——泊松分布

足球是低比分运动，进球大致相互独立地发生，这正是泊松分布所描述的情形，也是体育数据分析中为足球比分建模的行业标准方法。

我们由双方的攻防强度，估算出这场比赛各自的预期进球数（λ），并加入主场优势调整——主队预期进球上浮、客队下调。泊松分布再把每个 λ 换算成每一个具体比分（0-0、1-0、2-1……）的概率。

把这些比分概率汇总，就得到胜、平、负的概率，其中最可能的那个比分即为预计比分。由于全过程是对输入数据做纯数学运算，相同数据永远得到相同预测——完全可复现。

三、篮球模型——净胜分正态分布

篮球得分高，两队分差近似服从正态分布、而非泊松分布。因此篮球改用正态分布对分差建模：以双方的场均得分与失分为基础，算出胜率、预计分差与比分。

四、数据不足时怎么办

并非每场比赛都有完整数据。与其假装无所不知，我们宁可如实折算：

• 升班马没有顶级联赛积分榜，数据来自次级联赛。次级联赛的效率很难一比一带到顶级，因此我们对其数值做折算，并把该场标注为置信度较低。
• 赛季初场次不足时，回退到上赛季数据，并注明「基于上赛季表现」。
• 若双方确实毫无可比数据，我们直接说明，而不是硬造一个数字。

五、把数字写成文字

只有在统计模型算出概率与预计比分之后，语言模型才开始写前瞻。它的职责纯粹是把模型已经算好的数字表述出来——双方状态、关键统计因素，以及这些数字整体指向的结论。

它不计算概率，也不编造统计数据。每篇文章在发布前都会对照底层数据做校验。这是本站最重要的一个设计取舍：它让预测可复现，并从根源上杜绝「模型自己编数字」的问题。

六、预测不包含什么

预测是概率、不是定论，而且它的边界是刻意划定的：

• 不计入伤病、停赛与首发阵容。
• 无法预知临场的战术或临时动机因素。
• 仅供信息与分析参考——不构成任何投注建议。

七、可核对的战绩

透明只有在可被核对时才有意义。每一条预测都会被保存，比赛结束后即与真实结果对照评分。准确率公开累积——绝不把历史赛果倒推套算来美化数字。当已结算的预测累积到具备统计意义时，会公开这份滚动准确率，供任何人查验。