事实数据
已发生的赛果、赛程、阵容、种子、选边和版本信息，是模型输入的基础，需要优先核对来源与时间。
作用：描述已经确认的赛事状态
方法概览
四类信息，各自承担不同角色
为避免把事实、推断和观点混为一谈，预测流程对四类信息分别标记、处理和解释。
统计模型
将近期表现、对手强度、比赛阶段和版本环境转换为可比较的评分、胜率与不确定性区间。
作用：保持计算口径一致
赔率信号
经过格式统一和利润率处理后的市场隐含概率，可用于发现模型与市场之间的差异，但不直接等同于真实胜率。
作用：提供外部市场参照
编辑判断
用于说明模型难以及时量化的背景，例如临时阵容变化或信息质量问题，不应伪装成客观统计结论。
作用：补充背景并明确主观性
数据来源
先确认数据，再运行模型
数据可靠性取决于来源、发布时间和赛事状态。我们优先采用可追溯信息，并避免将传闻作为已确认输入。
同一数据出现冲突时，应暂缓更新或降低置信度，直到通过第二来源、赛事页面或后续公告完成核对。
赛程与赛果
记录比赛阶段、赛制、对阵、局数、胜负和完成状态。未结束、延期或技术性判定的比赛应与正式赛果区分。
核对重点：赛事阶段、Bo1/Bo3/Bo5、完成时间、最终判定
阵容与参赛资格
区分报名阵容、预计首发与确认首发，追踪替补、人员调整、资格变化和种子顺位。未经确认的阵容信息只作为风险提示。
核对重点：选手身份、首发状态、生效时间、种子变化
版本与比赛环境
记录赛事使用版本、英雄或装备调整以及赛制环境。跨版本数据不会被默认视为完全可比，较旧样本通常需要降低权重。
核对重点：比赛服版本、改动范围、样本所属版本
赔率与市场快照
赔率必须带有来源类别、采集时间、市场类型和结算口径。开盘、临场与赛中数据属于不同状态，不应直接并列比较。
核对重点：时间戳、盘口类型、赔率格式、市场利润率
历史比赛数据
历史样本按时间、赛区、对手强度、比赛阶段、赛制和阵容连续性分类。距离当前环境越远，参考权重通常越低。
核对重点：样本时间、对手质量、阵容与版本可比性
核心变量
模型关注什么，以及为什么
不同赛事阶段与赛制会改变变量的重要性。以下因素不是简单相加，而是在样本质量、时间衰减和对手强度校正后共同进入评估。
近期表现
考察近期胜负、比赛内容与稳定性，并通过时间衰减避免旧状态长期主导结论。
对手强度
击败强队与击败弱队的信号不同，胜率和数据表现需要结合对手质量重新解释。
Bo5能力
长系列赛更重视调整能力、阵容深度、战术储备与局间适应，不直接沿用单局胜率。
版本适应
评估队伍打法、位置强项和优先英雄是否符合当前版本，但避免用少量比赛过度推断。
选边与地图条件
当赛事环境存在明显边侧差异时，选边信息会影响单局概率，但影响程度需由当前样本支持。
英雄池与战术覆盖
英雄池宽度影响BP灵活性，但公开选用记录不一定等于队伍能够使用的全部战术范围。
国际赛经验
跨赛区对抗与淘汰赛经验可作为稳定性信号，但不会自动覆盖当前实力和阵容变化。
阵容连续性
长期协作可能改善沟通与执行，但人员稳定不必然代表竞技状态更强。
信息不确定性
阵容未确认、样本不足或数据冲突时，应扩大概率区间，而不是给出看似精确的结论。
概率计算与校准
从实力评分到可解释概率
模型输出需要满足一致口径，并在历史样本中检查是否存在系统性高估或低估。页面显示的概率应与数据更新时间和置信度说明一起阅读。
1
清洗并标准化输入
统一比赛状态、赛制、版本、时间与队伍身份，排除重复或不可比较记录。
2
按样本质量分配权重
近期、同版本、同赛制且对手质量明确的样本通常具有更高参考价值。
3
生成结果概率
将双方相对实力与比赛条件转换为互斥结果的概率，同一市场内的结果概率总和应保持一致。
4
回测与概率校准
比较预测概率与实际发生频率，检查模型是否过度自信，并依据误差模式进行修正。
概念示意
如何阅读概率区间
中心概率
模型当前的最佳估计
不确定性范围
样本和信息风险
较窄区间
通常意味着可用样本较充分、阵容与比赛条件较明确。
较宽区间
通常意味着样本有限、环境变化或关键信息尚未确认。
百分比的小数位不代表同等程度的准确性。解读预测时，置信度与信息状态往往比细小的概率差异更重要。
赔率处理
市场赔率需要转换，不能直接混用
小数盘、香港盘、美式盘等格式可以转换为隐含概率，但原始赔率通常包含市场利润率。只有在统一时间、市场与结算条件后，比较才有意义。
步骤一
统一赔率格式
将不同显示格式转换到同一计算口径。
步骤二
计算隐含概率
估算赔率对各结果可能性的市场表达。
步骤三
移除利润率
对概率归一化，减少市场加成造成的偏差。
更新机制
哪些变化会触发重新计算
更新并非只按固定时间执行。影响比赛条件或信息质量的关键事件，也会触发模型输入检查。
赛果确认后
更新队伍状态与评分
将完成的比赛纳入近期表现，并按对手强度、赛制和版本重新计算。
阵容信息确认后
评估人员变化影响
确认首发、替补或人员调整后，检查历史样本是否仍与当前阵容可比。
版本或赛制变化后
调整样本可比性
降低不再适用的旧版本权重，并针对Bo1、Bo3或Bo5重新解释胜负概率。
分组、种子或选边确定后
更新具体对阵条件
冠军路径和单场预测会根据对手、赛程难度及已确认比赛条件重新计算。
赔率显著变化时
检查信息差与市场偏移
赔率变化本身不自动覆盖模型，但会触发对阵容、消息和市场时间点的复核。
验证、复盘与纠错
预测质量不能只看少数命中案例。复盘应覆盖全部可比较预测，并关注概率校准、方向准确性和误差是否集中在特定赛区、版本或赛制。
- 保存预测发布时的数据状态与更新时间
- 避免在赛果产生后回写或替换原始预测
- 将数据错误、模型误差和随机赛果分别记录
- 更正影响预测的错误后重新计算并说明影响
使用限制与免责声明
本站为独立预测与数据服务，不代表 Riot Games 或赛事官方。所有预测均基于公开或可核对信息形成，仅供赛事研究和信息参考。
- 预测不构成比赛结果保证，也不承诺收益
- 突发阵容、设备、健康或赛事判罚可能无法提前量化
- 样本不足时，概率误差和不确定性会明显增加
- 赔率信息可能延迟、暂停或因来源规则不同而变化
常见问题
理解预测时需要注意什么
不等于。预测概率表示在当前数据、模型假设与信息条件下某一结果发生的相对可能性，而不是对结果的保证。即使一方胜率较高，另一方仍然可能取胜。
阵容确认、版本变化、近期赛果、种子与分组、选边信息以及市场赔率变化都可能改变模型输入。重要信息被核对后，预测会重新计算或调整置信度。
不是。赔率只作为市场信号之一。处理赔率时需要统一格式、估算隐含概率并移除市场利润率，且不同时间与不同来源的数据不能未经校准直接混合。
电竞队伍的阵容、版本环境和竞技状态变化较快。较早的交手记录会被降低权重，并与近期表现、对手强度、阵容连续性和当前版本适应情况一起评估。
样本不足时会扩大不确定性范围，减少对短期胜率的依赖，并参考区域赛事强度、对手质量、阵容经验和可比比赛数据。页面应将这类预测标记为较低置信度。
错误信息在完成来源核对后会被更正。若错误影响模型输入，则相关预测需要重新计算，并在适当位置说明修订原因、影响范围或更新时间。