方法说明

更新于 2026-09-21

这一页讲的是 AI Ball 的赛前结论建立在哪几类统计方法上,只讲公开文献层面的做法,不涉及本站自己用的参数。

方法

Dixon-Coles 泊松模型
对独立泊松比分模型的一个公开修正(Dixon 和 Coles,1997)。它纠正了低比分结果(0-0、1-1)被系统性低估的问题,并让近期比赛的权重高于久远的比赛。
Shin 去水位(Shin,1993)
一种公开的去偏方法:赔率里含有水位(机构的抽成)和知情者带来的偏斜,直接倒数当成概率会失真。Shin 的做法是在换算成概率之前先把这部分系统性偏差剥掉,让三个结果的概率加起来正好是一。
多路加权融合
同一场比赛会有几路互相独立的估计——一路来自历史,一路来自进球率,还有几路来自赔率与盘口——它们按权重融合,而不是挑一路用。这样单独一路失真时不会自己决定结论。
校准
校准问的是比准确率更窄的一个问题:模型说 70% 的时候,这件事是不是真的约七成会发生?一个模型可以校准很好但仍然很不确定,也可以经常猜对但校准很差。

它不能告诉你什么

模型结论概括的是「历史数据认为这一类比赛会怎样」,不是对某一场比赛的预言。足球结果本身含有很大的随机成分,这一页上的任何方法都消不掉它。

这一页目前只是框架。带参考文献和实例的完整版在第二阶段补。