竞彩 AI 算法：25+ 联赛预测模型架构
从各联盟官方数据到正期望值投注，模型沿着同一条六步骤流水线运行。核心不在「懂某个运动」，而在一套能把不同运动的比赛拆成可比较数字的方法。本页以 NBA／MLB／NHL 三个代表联赛详解（涵盖篮球、棒球、冰球三种结构），足球等其余联赛采用同一套架构。
作者 Mysports.AI 数据科学团队 · 更新
AI 预测模型的六步骤流水线
AI 预测模型以六步骤整合数据、训练与概率校准（Probability Calibration；Isotonic Regression／Platt Scaling），再以期望值（Expected Value, EV）／收盘价值（Closing Line Value, CLV）比较市场赔率并筛选推荐。
胜负评估必须建立在相对比较之上。把「得分／进球」转为相对对手、相对联盟平均与节奏中立化（Pace-adjusted）指标后，与胜负的关联才较稳定，这是各联赛共用的第一原则。
多来源赛事数据收集
每个联赛逐场收集 box score、球队与球员数据、赛程与战绩，数据来自多个来源的整合：除各联盟官方数据外，更大量依赖付费第三方数据商（Sportradar、Genius Sports、Stats Perform 等；实际采用的来源涉及商业合作，恕不逐一公开）做交叉校验与补全。抓取的原始字段先做列名标准化，让后续清理与特征工程共用一致的 schema。
| 联赛 | 主要来源（官方＋付费第三方） | 逐场抓取的核心字段 |
|---|---|---|
| NBA | NBA.com Stats ＋ 付费第三方数据商 | Dean Oliver 四因素（Four Factors）、每百回合、攻防强度、正负值、背靠背 / 休息 |
| MLB | MLB Stats API ＋ 付费第三方数据商 | 投手 / 野手单场数据、wOBA・xFIP・WHIP、球场因子（Park Factor）、ABS |
| NHL | NHL.com Stats ＋ 付费第三方数据商 | 进球 / 失球、主客场胜率、近况、连胜连败、休息 / 背靠背 |
比赛进行中各来源数据会实时更新，同一场赛事期间重复抓取即为最新实时数据，赛后再取一次即为最终数据。
模型训练前的数据清理
数据清理直接决定模型可用信息的质量。原始数据常含输入错误、缺失值、重复记录与离群值，因此必须先完成补值、唯一性检查、异常检测与跨来源对齐，再交由后续特征工程与机器学习流程使用。
- 缺失值处理：删除、合理填补，或以模型推估补值，避免训练数据出现空洞。
- 重复数据处理：删除重复条目，确保每场比赛与每条记录唯一。
- 离群值处理：用统计方法找出异常极端值，避免单场异常表现扭曲模型。
- 整合不同来源：把官方与多个第三方来源的数据对齐，统一队名／球员拼写、转换不同来源格式、以同一场赛事为主键合并，让所有数据采用一致格式。
① 移除造成数据泄漏（Data Leakage）的字段（例如赛后才有的得分、结果），避免模型在训练时取得未来信息；② 删除高度相关的重复特征（如各种命中率彼此重叠、两队特征改用 diff），降低共线性（Multicollinearity）。
运动赛事预测的特征工程
特征工程将两支球队的能力转为可比较的数值。各联赛统一采用相对化、节奏或场地中立化、近期窗口（近 3／5／10 场）、情境与对手调整（diff 特征），再依篮球、棒球、冰球、美式足球与足球的比赛结构配置统计指标。
相对化实力 · 效率／节奏中立化 · 近期窗口（近 3～30 场）· 赛程情境与对手调整（diff 特征）。
- 四因素 eFG%／TOV%／ORB%／FTR
- 每百回合数据
- 攻防强度（相对实力）
- 近 5／10 场正负值
- 背靠背・休息天数
- wOBA・xFIP・WHIP
- Hard-Hit%・K/9
- 球场因子（Park Factor）
- 先发投手近 3／10 场
- 休息轮值・ABS
- 每场进球／失球
- 主客场胜率
- 近 10 场胜率・连胜连败
- 休息・背靠背
- 每 play／rush／pass 推进码数
- 三档／四档转换率
- 红区达阵率・每 drive 得分
- 失误／抄截・擒杀・罚码
- 休息天数（近 3／7／15）
- 控球率・传球成功率
- 射正／框内外射门・角球
- Elo 等级分（相对实力）
- 近 4 场积分・进失球
- 休息天数（近 5／10／30／季）
特征挑选以相关性分析、主成分分析（Principal Component Analysis, PCA）与信息增益（Information Gain）筛出信息量最高的字段；每个模型收集1,500 个以上的特征值，再筛掉关联性不足的噪声。
机器学习模型训练架构
模型训练采用共用架构、分联赛估计权重的设计。不同运动的比赛动态、样本数与可得特征各异，若直接共用权重会降低准确率，因此各联赛分别训练并执行概率校准，同时沿用一致的机器学习与验证流程。
梯度提升树与集成学习
模型演化：从随机森林到现行堆叠架构
准确率：口径因运动而异
单场随机性不同，各联赛的准确率天花板也不同。「精选场次」＝模型只挑信心较高的比赛，命中率高于整体。
篮球单场随机性较低（业界整体约 65～70%），棒球与冰球较高（约 55～60%），足球因有平局（3-way）而另有口径，这也是 25 个联赛各自分开训练与概率校准的原因之一。延伸阅读：NBA 模型详解、MLB 模型详解与NHL 模型详解。
概率校准与逐季前推验证
模型胜率必须经过概率校准与逐季前推验证才能用于决策。我们以Isotonic Regression／Platt Scaling让「胜率 73%」的比赛长期约七成三获胜，并只使用当前时点以前的数据训练、预测下一期间，再以正则化与特征筛选降低过拟合。
当样本不足（季初前两周）或刚发生重大事件（球星交易、先发投手／守门员临时异动、热度异常）时，模型会提高不确定性、降低信心值，必要时不出手，以避免在噪声过大时提供低质量预测。每一版的回测与战绩验证及每日实盘预测都公开供检验。
EV／CLV 与市场赔率评估
市场评估先移除庄家抽水（Vigorish／Overround），再比较模型概率与公平概率。市场赔率内含庄家利润，直接换算的隐含概率会超过 100%；去除抽水后，系统计算期望值（Expected Value, EV）与收盘价值（Closing Line Value, CLV），只筛选正 EV 机会：
我们以 CLV 回测策略，比较下注价与收盘赔率。若能长期在收盘前取得更好的价格，代表定价早于市场，且与长期获利高度相关。最后以凯利公式（Kelly Criterion），例如分数 Kelly，决定注码，在正 EV 且 CLV 为正的区间集中出手。
赛前信息会持续变动，模型每天重算并持续刷新。盘口移动、伤病与阵容更新会实时反映到 EV／CLV，直到接近开赛才锁定当日推荐。AI 辨识市场定价与数据估值的偏差后，再由人员审核；所有今日 AI 推荐与结果（含未命中）都保留于战绩页供检验。
各联赛的专属预测因子
各联赛的专属因子必须转为可验证的情境特征。除了基本数据，模型会纳入球场、先发投手、守门员、赛程疲劳、平局倾向与实时事件等运动特有信号；当数据不足或不确定性过高时，系统会降低信心值或略过该场预测。
场地海拔・球员默契・情绪
丹佛等高海拔主场压低客队得分；阵容磨合的默契（阵容高阶数据）与球员近期情绪（社交媒体情绪）也左右单场发挥。
球场因子与先发投手
各球场得分环境差异大（如 Coors 高海拔，球场因子（Park Factor）≈ 112）；先发投手是单场最大变量。2026 年新规 ABS 也已纳入。
先发守门员与赛程疲劳
先发守门员（SV%）大幅左右单场；密集赛程、背靠背与连续客场作战拉低表现。
休息、短周与主场
周四赛的短周、轮空周（bye）后的休息差异、主场与天气，都会左右美式足球单场走势。
平局倾向与赛程密集
足球是 3-way（含平局）；欧战／杯赛的赛程密集与轮换、主场优势与 Elo 跨联赛调整都要纳入。
实时事件与舆情异常检测：各联赛都会通过 API 搜集球员交易、伤病、禁赛等实时事件与社交媒体讨论，做情感分析与热度异常检测；当某场刚发生重大事件或热度异常偏高，模型会提高不确定性、必要时避免预测该场，聚焦可量化数据。
共用架构与独立模型
跨联赛预测采用共用数据架构与独立模型。数据流水线、验证方法及市场评估规则保持一致；特征集、模型权重与概率校准则依联赛分开训练，让系统兼顾方法一致性与不同运动的数据特性。
- 共用的部分：数据流水线、六步骤流程、模型堆叠（GBDT ＋ 深度学习 ＋ 概率校准 ＋ 集成学习）、验证方法（逐季前推验证）、去除抽水与 EV／CLV 投注纪律。
- 各自训练的部分：特征集、模型权重与概率校准，因为 NBA、MLB、NHL 的比赛动态（节奏、先发投手 / 守门员、球场）、样本数与可得特征都不同。
- 可扩充：目前已涵盖 25 个联赛；新增一个联赛时，只要接上官方数据源、定义该联赛的特征，就能沿用整套架构快速上线。
AI 预测模型支持的联赛
Mysports.AI 以一致的数据与验证框架支持 25 个联赛。从官方数据、特征工程、概率模型到市场赔率，NBA、MLB、NHL 与足球等联赛均依自身比赛结构，采用不同特征、权重与概率校准模型。
竞彩 AI 算法常见问题
本 FAQ 回答 AI 预测模型的准确率、运作流程、分联赛训练、验证方法与市场指标，并依本页公开的方法论与数据，说明模型如何产生及筛选运动赛事预测。
Mysports.AI 的 AI 预测模型准确率是多少？
准确率依联赛与预测口径而异。精选推荐场次目前为 NBA 79%、MLB 68%、NHL 65%、NFL 67%；整体常规赛与足球另采用相应口径，所有推荐与结果均保留于战绩页供检验。
竞彩 AI 算法如何产生预测？
系统沿用六步骤数据流水线，依序完成数据收集、清理、特征工程、模型训练、概率校准与回测，再比较市场赔率、期望值与收盘价值。各联赛共用架构，但使用各自的特征与模型权重。
为什么各联赛需要分开训练模型？
各联赛的比赛动态、样本数与可用特征不同。NBA 重视节奏与四因素，MLB 纳入先发投手与球场因子，NHL 关注守门员与赛程疲劳，因此共用数据流水线，但分别训练、验证与概率校准。
模型如何避免数据泄漏与过拟合？
数据清理会移除赛后才取得的结果字段，避免数据泄漏，并删除高度相关的重复特征。训练阶段再以正则化、特征筛选与逐季前推验证控制过拟合，使回测更接近实际预测情境。
EV 与 CLV 在推荐流程中有什么作用？
期望值用来比较 AI 预测胜率与赔率，只筛选正 EV 机会；收盘价值则比较取得的下注价与收盘赔率，检查模型是否早于市场发现定价偏差。模型也会随盘口、伤病与阵容信息持续刷新。
数据来源与撰写团队
- 联盟官方数据：NBA.com Stats、MLB Stats API、NHL.com Stats；另整合付费第三方数据商（Sportradar、Genius Sports、Stats Perform 等）交叉校验。
- 模型与方法：LightGBM 官方文档、XGBoost、scikit-learn 概率校准、集成学习。
- 四因素模型出处：Dean Oliver,《Basketball on Paper》(2004)；Elo 评分：Elo 等级分。
- 页面数据口径：各联赛命中率为模型精选推荐场次之历史回测值（近 3 年平均：NBA 79%、MLB 68%、NHL 65%、NFL 67%），整体常规赛与足球另采用相应口径；历史表现不保证未来结果。
相关研究：Mysports.AI 研究室