融合传统统计建模与动态特征工程，适应不同联赛风格
以主客队平均进球数构建泊松概率矩阵，计算 0-5+ 球的具体概率，并校正联赛系数。
集成近期射门转化率、预期进球(xG)、控球率、防守高压等20+特征，提升非线性拟合能力。
利用近5场权重滑动窗口，实时更新攻防参数，应对伤病、状态起伏等短期因素。
数据每12小时自动更新，覆盖英超、西甲、德甲、意甲、法甲、中超等主流联赛。
数据层历史比分、xG、射门、犯规、角球等结构化数据来自公开API及合作数据商。时序特征经过归一化与异常值截断处理。
采用足球进球数预测模型专用清洗管道，保留近5赛季有效样本量超过15万场。
验证指标回测采用时间序列交叉验证。平均绝对误差(MAE)为0.42球，分类准确率(三区间: 小/中/大)达73%。
模型在2024赛季欧冠淘汰赛阶段进球数预测准确率超过78% (误差≤1球)。
采用泊松分布作为基底，并结合梯度提升树（LightGBM）捕捉非线性关系，最后通过贝叶斯因子调整。适合足球进球数预测模型中常见的低分分布。
回测显示约68%的比赛预测总进球与实际误差在0.5球以内。由于足球低进球特性，极端高分(6+)预测偏差较大，但模型会给出概率警示。
基础数据每日更新，模型参数每周重新训练。重大伤病或转会窗口会触发人工特征修正，确保进球数预测时效性。
支持英冠、德乙、J联赛、K联赛等二级联赛及女足英超、女足欧冠。但样本量较小的联赛置信区间会适度放宽。
红牌概率作为独立特征引入(基于历史吃牌率)，天气数据目前仅测试阶段(主要联赛)。未来会加入实时天气影响因子。
每个预测结果附带置信度星级(1-5星)，基于历史同类型对阵的偏差分布。建议结合基本面分析使用。
进球数预测本质是不确定性下的概率估算。本模型强调可解释性：每一项特征(主队进攻、客队防守、场均角球等)都以权重形式呈现。用户可查看某场比赛主要驱动因子。泊松分布的“独立性假设”在足球中近似成立，但我们会用相关性校准修正。未来计划引入图神经网络捕捉球员连接。
我们是一群足球数据爱好者与机器学习工程师，致力于开放、透明的足球进球数预测模型。所有核心公式、验证流程均可在文档中查阅。不提供“内幕”，只提供概率智慧。
目前模型已服务超过3000名注册用户，每周输出超过2000场预测。欢迎试用并提出宝贵意见。
* 预测仅供学习研究，不构成任何投注建议。