本系统面向体育数据爱好者与专业分析师,基于 Poisson 模型与 xG(预期进球)多因子分析,整合多源赛事数据,提供胜平负概率预测、串关实验室、自动模拟盘、风控检查与每日推荐生成功能,辅助用户进行数据驱动的赛事研究与概率参考。
点击空白处退出提示
本系统面向体育数据爱好者与专业分析师,基于 Poisson 模型与 xG(预期进球)多因子分析,整合多源赛事数据,提供胜平负概率预测、串关实验室、自动模拟盘、风控检查与每日推荐生成功能,辅助用户进行数据驱动的赛事研究与概率参考。
项目包含多源赛事数据采集与清洗、特征工程、Poisson 概率模型与 xG(预期进球)多因子分析、串关实验室、自动模拟盘、风控检查、每日推荐生成与赛后复盘等核心模块。系统通过整合多源数据,输出赛事胜平负概率及比分分布预测,支持用户在模拟环境中验证分析策略,并自动生成可视化推荐报告与复盘对比,辅助体育数据研究与概率参考。
我负责系统整体架构、后端开发、模型训练与部署。后端基于 Flask 框架搭建 RESTful API,使用 Pandas、scikit-learn 完成 Poisson 与 xG 特征建模,结合 PyTorch 进行深度学习训练;数据库采用 SQLite/MySQL 存储赛事数据与预测结果;系统通过定时任务自动更新数据,内置风控规则校验、回测评估与命中追踪模块,支持模型持续迭代。



评论