前言
- 第一章：足球比赛，本质上是一个“不适合被预测”的问题
- 第二章：为什么市场这么难战胜？
- 第三章：一个预测系统，真正应该追求的目标是什么？
- 第四章：这些数据，都是从哪里来的？
- 第五章：数据清洗——模型好坏，往往就差在这里
- 第六章：特征工程——模型真正学的，是你对比赛的理解
- 第七章：为什么我最终选择了 LightGBM，而不是更复杂的模型？
- 第八章：总进球模型——为什么泊松分布，更接近足球的真实结构？
- 第九章：胜平负模型——真正难的不是预测结果，而是让概率可信
- 第十章：比 分模型与半全场——当你掌握进球分布，比赛结果其实只是组合问题
- 第十一章：多模型融合——为什么让多个模型投票，比单个模型更可靠？
- 第十二章：如何评估模型——为什么短期成绩，几乎没有意义？
- 第十三章：如何识别“好比赛”——为什么不是每场比赛都值得预测？
- 第十四章：系统架构——一个完整预测系统，是如何从数据走到结果的？
- 第十五章：自动训练与模型更新——如何让系统持续进化，而不是逐渐失效？
- 第十六章：性能与工程优化——当数据越来越多，如何让系统依然高效稳定运行？
- 第十七章：总进球实战思路——为什么2/3球区间，更容易出现稳定结果？
- 第十八章：胜平负实战思路——如何识别结果结构稳定的比赛？
- 第十九章：模型常见陷阱——为什么很多系统短期很好，但长期失效？
- 第二十章：预测的本质——为什么60%的命中率，已经是很高的水平？
- 第二十一章：为什么大多数人做不好预测系统？
- 第二十二章：未来的扩展方向——当系统稳定之后，你还能往哪里走？