MLB AI 預測模型｜
特徵值與特殊因子算出的勝負邏輯
本文說明模型架構、回測驗證，以及球場因子、打線搭配、即時事件與輿情三項特殊因子，呈現 Mysports.AI 分析 MLB 的方法。
光芒 TBR
守護者 CLEMLB 機率預測需要整合大量球隊與球員數據，包括打擊率、上壘率（On-base Percentage, OBP）、長打率（Slugging Percentage, SLG）、加權上壘率（Weighted On-base Average, wOBA），以及投手的防禦率（Earned Run Average, ERA）、每局被上壘率（Walks plus Hits per Inning Pitched, WHIP）、每 9 局三振（Strikeouts per Nine Innings, K/9）等指標，並納入球隊戰績、賽程、先發投手輪值與即時比分。機器學習模型據此辨識特徵與潛在規律，產生機率估計，並持續檢驗命中率與穩定性。
模型也會動態分析 MLB 今日賽事與歷史數據，評估球員狀態及球隊近期表現。隨著即時數據更新與模型調整，分析結果可作為 MLB 賽事研判與棒球投注決策的量化參考。
MLB AI 預測模型能力
模型在近 3 個賽季（2023～2025）歷史賽事回測（Backtesting）中，「模型精選推薦場次」平均命中率約 68%（模型僅選取信心較高的比賽，並非預測全賽季所有場次），最新版本（v24）約 70%。近 3 個賽季平均投資報酬率（Return on Investment, ROI）約 14%，最新版本（v24）約 16%。
預測模型版本
模型版本依驗證結果持續更新，並公開各版本的命中率、投資報酬率與調整內容，供使用者檢視模型演進及績效差異。這裡的版本是 MLB 單一聯賽模型的訓練版本。各聯賽模型訓練完成後，會整合成訂閱方案中的算力模型（專家方案為 v4.8）。
- 新增 ABS（自動好球帶）特徵：反映 2026 年新制對好球帶一致性、保送與三振的影響
- 新增球場因子（Park Factor）：把各球場得分環境（含 Coors 高海拔）納入輸入
- 先發投手改用近 3／10／50 場加權，取代整季平均，更快反映狀態
- 新增牛棚疲勞指數（近幾日用球數與連續出賽）
- 打者近況改以 wOBA、Hard-Hit% 加權，取代單純打擊率
- 新增左右投打對戰（platoon）分項：先發投手面對左打／右打的分項數據獨立建模
- 既有因子以上一季全部例行賽（約 2,430 場）進行逐季前推驗證（Walk-forward Validation），並與版本 23 同樣本比較；ABS 為 2026 年新制、尚無歷史樣本，改以規則式先驗導入，並於上線後滾動校準權重，不納入回測比較。
- 將先發投手主投與牛棚接手兩段的預測誤差分開檢視，找出估分偏差來源
- 先發投手是棒球最大的單場變數：模型改為先發名單確定後才計算，避免用錯先發估分，整體推薦更穩定
- 球季前兩週自動降低信心值，反映樣本不足
- 由單一評分改為投打分軌估分（先發投手 ＋ 打線）
- 新增預期得分模組：以先發 ERA／xFIP × 球隊得分能力估算兩隊預期分數
- 新增 WHIP、K/9 等投手基礎因子
- 尚未納入球場因子（版本 24 已補）
- 以單季例行賽回測，未區分球季初與季中樣本
- 勝負命中率提升，但主場優勢仍略為高估（版本 24 修正）
模型基礎因子
模型因子的完整性與品質直接影響預測命中率。除打擊、上壘、投球等基本面外，模型從 Mysports.AI 整體 1,500 個以上的特徵值中選出與棒球相關的部分，再篩選對比賽結果影響較高的核心數據，並排除關聯性不足的雜訊，以降低干擾。
特徵篩選不足可能造成過度擬合（Overfitting）或系統性偏差，削弱模型在真實場景的泛化能力。合理選擇特徵，是維持預測命中率與穩定性的關鍵。
下圖為模型特徵重要度的前段排序，數值代表每個特徵對預測結果的相對貢獻度。MLB 模型使用的特徵數量多，重要度會集中在少數關鍵指標：前段特徵約落在 2~10%，其餘長尾特徵則各自更小，屬正常且健康的分布。
模型架構：從數據到預測的四層管線
模型架構是一套每日運行的四層數據管線，依序完成資料整合、特徵工程、模型訓練與賽前推論。完整方法可參閱運彩 AI 演算法解析。
- ① 數據層：以 MLB 官方 Stats API 逐場抓取每場比賽的 box score，拆解投手與野手的單場數據；比賽進行中 box score 會即時更新，賽後再取得最終數據。進階指標（wOBA、xFIP、Hard-Hit%）取自公開進階數據，並整合多個付費第三方數據來源（Sportradar、Genius Sports、Stats Perform 等）做交叉校驗與補全（實際採用之來源涉及商業合作，恕不逐一公開）；情境變數涵蓋先發投手、休息天數、主客場等。2026 年起 MLB 導入的 ABS（自動好球帶）挑戰系統也納入為新的情境特徵。
- ② 特徵工程層：將原始數據轉換為具預測力的特徵，包括進階效率指標（wOBA、xFIP、WHIP）、近期狀態加權（近 3／10／50 場）、先發與牛棚疲勞指數。特徵品質對模型效能上限具有重要影響。
- ③ 模型層：棒球屬結構化表格資料，主力為梯度提升樹（Gradient Boosted Decision Trees, GBDT）家族（LightGBM、XGBoost、CatBoost）；深度學習則以 TabNet（表格專用注意力網路）與 LSTM／Temporal 序列模型捕捉先發投手與打線的近期狀態趨勢，必要時以圖神經網路（Graph Neural Network, GNN）建模球員／球隊互動。最後進行機率校準（Probability Calibration，Isotonic／Platt），再以集成學習（Ensemble Learning）降低單一模型偏差。
- ④ 推論與更新層：每天賽前重新計算，納入最新先發投手、傷兵名單、賠率變動與天氣資訊，輸出「主隊勝率 61.3%」等機率估計，而非確定性判斷。
此類方法在棒球界已有長期實務基礎：MLB 官方 Stats API 提供即時 box score 與逐場數據，是模型每日更新的資料基礎，AI 量化分析已是 MLB 的正式技術應用。各聯賽（MLB／NBA／NHL）共用同一套資料管線與模型架構，但分別訓練與校準，因為不同運動的比賽動態、樣本數與可得特徵各異，共用權重反而會拉低命中率。
評分指標：模型可信度驗證
模型可信度不能只看命中率，至少應同時檢視命中率、讓分盤覆蓋率、機率校準與投資報酬率四項指標。
| 指標 | 衡量意義 | 參考門檻 |
|---|---|---|
| 勝負準確率 Accuracy | 直接答對誰贏的比例 | MLB 隨機性高，成熟模型約 55~60% |
| 讓分／大小分覆蓋率 ATS | 超越 run line／total 盤口基準的比例，要求高於準確率 | 約 52.4% 為損益兩平門檻 |
| 機率校準 Brier Score | 說 60% 勝率的比賽，長期是不是真的贏六成 | 越低越好（完美＝0） |
| 投資報酬 ROI | 依模型執行時，每 100 元的投資報酬 | 正值代表報酬高於成本 |
回測與實盤應分別評估：回測使用歷史數據模擬模型在當時條件下的結果；若設計不當，可能因過度擬合或資料洩漏（Data Leakage）而高估績效。較嚴謹的方法是逐季前推驗證，僅使用當下以前的數據訓練，再預測下一期間並公開各版本績效。這也是我們將每筆預測保留於戰績頁的原因，以實盤紀錄提供可檢驗依據。
看懂模型在讀什麼：進階指標小詞典
進階指標將球員表現轉為可比較的模型特徵。下表整理各項指標的定義與衡量重點，供對照參考。
| 指標 | 它在衡量什麼 |
|---|---|
| wOBA（加權上壘率） | 依各種上壘方式的實際得分價值加權，比打擊率更貼近打者的真實貢獻 |
| WAR（勝場貢獻值） | 球員相對替補級選手多貢獻的勝場數，衡量整體價值 |
| xFIP（期望獨立防禦率） | 將全壘打率正規化後、只看投手可控表現的防禦率 |
| WHIP（每局被上壘率） | (被安打＋保送)÷投球局數，衡量投手每局讓多少人上壘 |
| K/9（每9局三振） | 投手平均每九局的三振數，衡量壓制力 |
| Hard-Hit%（強擊球比例） | 擊球初速達 95 mph 以上的打球佔比，衡量打者擊球品質 |
| ABS（自動好球帶系統） | 2026 年 MLB 導入的好球帶挑戰系統，以 Hawk-Eye 即時裁定好壞球；模型用它衡量好球帶一致性對保送、三振與關鍵球數的影響 |
AI 在 MLB 運彩分析的四個實戰場景
- 盤口錯價偵測：將模型勝率與賠率隱含機率比較，兩者差距即為期望值（Expected Value, EV）。AI 的主要功能是辨識市場定價與數據估值之間的偏差。
- 大小分（Total Runs）模型：兩隊先發投手的 xFIP／K9、牛棚疲勞與打線 wOBA，再乘上球場因子與天氣風向，模型把這些交互作用量化，比人腦更早察覺結構性的大小分傾向。
- 先發投手影響模型：先發輪值、休息天數與牛棚使用量會大幅左右單場勝率；AI 計算投手近況與對戰打線的相剋，取代單純「看名氣」。
- 打者狀態趨勢：當打者近 3／10／50 場的 wOBA、Hard-Hit% 持續偏離基準線，可能表示盤口尚未充分反映其狀態變化。AI 可量化此類市場調整落差。
這四個場景皆以公開數據進行系統化計算，重點在於提升分析速度與細緻度。結合下方三項特殊因子，即構成 Mysports.AI 模型的日常分析流程。若需將模型輸出對照盤口並判讀讓分與大小分，請參閱 MLB AI 推薦：讓分盤、大小分與今日賽事判讀。
模型特殊因子①：球場因子
球場因子（Park Factor）直接修正各球場的得分環境差異。各球場的尺寸、界外區大小、海拔與氣候差異極大，資料表中的 park_factor 欄位（示例 1.04）即為量化係數：大於 1 代表偏打者，小於 1 代表偏投手。
- 海拔與空氣密度：科羅拉多落磯隊主場 Coors Field 海拔約 1,580 公尺，空氣稀薄使球飛得更遠，長年為全聯盟最偏打者的球場。
- 球場尺寸與界外區：全壘打牆距離、外野面積與界外區大小，都會改變安打與出局的機率。
- 氣候與風向：溫度、濕度與風向影響球的飛行距離，模型會與球場因子一併納入。
Coors Field 為 MLB Statcast Park Factors 長年最高的球場之一（指數約 112，100 為聯盟平均）。資料來源：Baseball Savant · Statcast Venue Park Factors。
模型特殊因子②：打線與守備搭配
打線、左右打搭配與投捕組合會共同改變得失分效率。同樣的九名打者採用不同打序，產出也會不同；投捕搭檔（Battery）的配球協作同樣影響失分。我們以近期打線組合的得分數據進行量化。
| 打線組合（近期先發打序） | 場次 | 每場得分 | 每場失分 | 淨勝分 |
|---|---|---|---|---|
| 先發打序 A | 22 | 5.4 | 3.9 | +1.5 |
| 先發打序 B | 18 | 4.1 | 4.8 | -0.7 |
我們的處理方式：當陣容或打序異動導致不確定因素太多，模型會直接排除該隊伍的推薦；新組合至少累積約 10 場未異動的比賽數據後，才恢復輸出此因子。
模型特殊因子③：即時事件與輿情異常偵測
MLB 勝負最受先發投手影響，而先發投手與先發打線，往往要到比賽當天才完全確定。各隊會提前公布預定先發投手，但臨時換人（scratch）並不少見；先發打線通常在開賽前幾小時才公布，天候也可能導致比賽延遲或延賽。模型透過 API 追蹤先發投手異動、打線公布、傷兵名單（Injured List）與天候延賽，並以情感分析與討論度異常偵測補充即時情境訊號。
- 事件與貼文挖掘：以球隊、球員關鍵字與賽事標籤，透過 API 蒐集事件與相關社群貼文。
- 清理與處理：移除連結、雜訊與重複內容，並做分詞（Tokenization）與詞形還原（Lemmatization）。
- 情感與異常偵測：判定正面、負面或中性傾向，並偵測討論量與情緒的異常飆升。
- 訊號萃取：把事件類型與輿情異常轉成情境特徵，供模型調整該場信心。
審慎策略：預定先發投手臨時換人、主力打者未列入先發打線，或比賽因天候延後時，原本的對戰評估會失準。模型會依新的先發投手與打線重新計算，必要時降低信心值或不出手；先發名單未確定前，不會依舊名單輸出高信心預測。
實例：大谷翔平轉隊。2023 年底，大谷翔平以破紀錄合約從天使加盟道奇。當家球星轉隊會同時改變兩隊的打線結構與話題熱度，過往球隊數據的代表性下降；模型以事件與輿情訊號調整信心，待新樣本累積後再回到常態評估。
MLB AI 模型常見問題
AI 預測 MLB 的命中率如何？
棒球單場隨機性高於籃球，成熟模型對例行賽勝負的命中率多落在 55~60%，仍高於隨機猜測的 50%；任何保證獲利的服務均不可信。我們公開各版模型的回測成績與每日實盤預測，供使用者獨立檢驗。
AI 預測使用哪些數據？
數據分為四層：傳統 box score、進階效率指標（wOBA、xFIP、WHIP 等）、球員單場數據（MLB 官方 Stats API 逐場更新），以及先發投手輪值、休息天數、主客場等情境變數，另納入球場因子、打線搭配、即時事件與輿情三項特殊因子。
AI 與人類運彩分析師有何差異？
人類分析師較能理解動機、休息室氣氛等非結構化脈絡，但可能受認知偏誤與處理量限制；AI 能一致處理大量賽事變數，對數據以外脈絡的判讀則較有限。較穩健的流程是由 AI 篩選與量化，再由人員審核。
為什麼部分比賽沒有 AI 預測？
兩種情況下我們會暫停輸出：先發投手或陣容剛發生重大異動（需要新數據重估），或比賽討論度異常偏高（伴隨較多不可控因素）。在數據不足時不輸出低信心水準的預測。
資料來源與撰寫團隊
- 官方逐場 box score 與即時數據：MLB 官方 Stats API
- wOBA、xFIP、WAR 等進階指標定義：FanGraphs
- 球隊戰績、cLI（冠軍槓桿指數）、球場因子：Baseball-Reference
- 官方數據與賽程：MLB.com Stats
- ABS（自動好球帶）2026 新制說明：Baseball-Reference · ABS Challenge Analysis
- 頁面數據口徑：命中率為模型精選推薦場次之歷史回測值（近 3 個賽季平均約 68%、最新版約 70%）；ROI 亦為歷史回測值（近 3 個賽季平均約 14%、最新版約 16%）。