定义预测目标
区分地图、系列赛与赛事级任务，确定输出是概率、比分分布还是模拟结果。
01 · 方法概览
先明确问题，再选择数据与模型
单场胜负、系列赛比分和赛事冠军属于不同预测任务。我们分别定义预测时点、可用信息和输出口径，避免把赛后信息带入赛前判断，也不把赔率变化直接解释为比赛必然结果。
锁定信息时点
只使用预测发布前已知的信息，并保留数据快照以支持复核。
统一数据口径
处理队伍更名、赛区差异、赛制变化、版本切换与赔率格式差异。
评估概率质量
除命中率外，同时检查校准度、对数损失、稳定性与不同子样本表现。
02 · 数据来源
按用途分类，而不是混为一个数据集
不同来源承担不同作用。赛事事实用于建立样本，版本与选边信息用于解释环境，赔率用于市场比较；市场数据不会被当作官方赛果或事实来源。
更新时间取决于数据类型和来源可用性。页面应以具体预测或数据模块显示的更新时间为准。
| 数据类别 | 主要内容 | 处理重点 | 更新触发 |
|---|---|---|---|
| 赛程与结果 | 比赛时间、赛制、地图与系列赛结果 | 状态核验、时区统一、异常赛果标记 | 赛程调整或比赛结束 |
| 队伍与阵容 | 参赛队、选手、赛区与资格状态 | 别名合并、转会与替补信息 | 名单或资格发生变化 |
| 版本与选边 | 比赛版本、蓝红方、赛制环境 | 版本分段与跨版本可比性 | 版本确认或选边公布 |
| 比赛表现 | 近期状态、对手质量与比赛内指标 | 样本衰减、赛区强度与异常值 | 新比赛数据完成校验 |
| 赔率与盘口 | 来源、市场类型、时间戳与报价 | 格式转换、利润校正与来源对齐 | 有效报价发生变化 |
数据缺失、来源冲突或状态无法确认时，应降低输出置信度、延迟发布或明确标注。
03 · 特征体系
模型看到什么，也需要知道什么看不到
特征用于概括预测时点之前的竞技信息。它们不是单独的胜负原因，也不会因为某项指标突出就自动得出确定结论。
近期状态
对近期比赛给予适当权重，同时控制短期连胜、弱对手与小样本造成的放大效应。
对手强度
同样的胜负记录在不同赛程强度下含义不同，需要按对手质量和比赛环境校正。
赛区水平
结合跨赛区比赛建立相对强度，但对长期缺少交手的赛区保留更高不确定性。
版本适应
按赛事版本划分样本，关注环境变化后旧数据是否仍具有可比性。
英雄池与阵容
在数据可用时观察选择覆盖和阵容连续性，不把未公开的战术或训练信息作为事实。
系列赛格式
BO1与多局系列赛的随机性和容错空间不同，比分分布需基于对应赛制计算。
04 · 概率模型
输出概率，而不是“必胜”标签
模型将可用特征映射为概率，并通过历史样本检查概率是否与实际发生频率相符。页面中的概率应结合更新时间、数据完整性和不确定性共同阅读。
概率的正确解释
较高概率表示模型认为该结果在当前信息下相对更可能发生，不意味着单场比赛一定按预测结束。
胜负概率
估计某队在指定比赛和赛制下取胜的条件概率，并进行概率校准。
比分分布
将单局或状态转移概率映射到对应系列赛格式，形成可能比分的分布。
赛事模拟
根据赛制、对阵路径和单场概率重复模拟，汇总晋级或夺冠结果的分布。
05 · 赔率标准化
让不同格式具备可比较基础
原始赔率先转换为十进制口径，再计算隐含概率。由于同一市场各结果的隐含概率之和通常包含市场利润，需要进行标准化处理后再比较。
基础关系
原始隐含概率 = 1 ÷ 十进制赔率
该值仍可能包含市场利润，不能直接等同于真实胜率。标准化结果也不代表模型认同市场判断。
06 · 回测与评估
准确率不是唯一答案
回测应模拟真实预测环境：按时间顺序训练和验证，只使用当时可获得的信息，并按版本、赛制、赛事阶段和概率区间拆分观察。我们不使用缺少样本口径与验证条件的单一“准确率”宣传模型能力。
概率校准度
检查预测为某一概率区间的样本，其实际发生频率是否与预测接近。它回答“概率是否可信”，而不仅是“选中了多少场”。
评估时应同时报告样本量和区间划分，避免用过少样本得出稳定结论。
对数损失
对自信但错误的预测给予更大惩罚，用于评估整组概率输出的质量。一般而言，数值需要结合相同样本和基准模型比较。
不同赛事阶段、赛制或样本范围的结果不应直接横向比较。
命中率
统计最高概率选项最终获胜的比例，易于理解，但会忽略预测信心差异，也可能受强弱悬殊比赛占比影响。
因此命中率只作为辅助指标，不单独证明模型具有稳定预测能力。
分组稳定性
按版本、赛制、赛事阶段、赛区组合与预测概率区间拆分评估，检查整体表现是否由少数容易预测的样本推动。
当子样本不足时，应标注不确定性，而不是给出过度精确的结论。
按时间切分
使用过去数据训练，在后续时间段验证，降低未来信息泄漏风险。
对照基准
与简单强度基准或市场标准化概率在相同样本条件下比较。
保留版本记录
记录模型、特征与数据口径变化，避免新版结果覆盖历史评估条件。
07 · 限制与边界
哪些变化可能让预测失效
电竞比赛包含临场决策、版本变化和不可观测信息。清楚展示限制，比制造虚假确定性更重要。
临时阵容变化
替补、健康状态或人员调整可能在模型更新前改变队伍实力。
新版本与战术
重大版本变化会降低历史样本的可比性，未公开战术无法可靠建模。
小样本与缺失
新队伍、跨赛区交手不足或数据缺失会扩大概率估计的不确定性。
单场随机性
选边、关键团战和临场失误都可能让单场结果偏离长期实力判断。
独立性与利益边界
全球总决赛数据预测中心是独立赛事数据与预测服务，不代表 Riot Games 或任何赛事官方机构。模型概率、市场赔率和第三方平台信息属于不同信息层级；赔率展示不构成结果保证或参与建议。
将方法用于实际阅读
从预测结论回到数据证据
查看预测时，建议同时对照历史样本、赛事阶段、赔率时间点和页面更新时间。