EV (期望值) Metric
EV（期望值）衡量模型估计的命中概率与当前赔率是否匹配，与单场预测方向是两回事。模型可能倾向强队获胜，但强队独赢赔率通常较低；若赔率低到不足以补偿未命中的风险，该方向的 EV 就可能为负，表示长期重复选择可能亏损。单场方向判断正确，不代表按该赔率投注有长期价值。
强队胜率 Probability
胜负模型估计的【强队在常规90分钟（含伤停补时、不含加时与点球大战）内获胜】概率。它综合历史比赛与赛前市场数据得出，是模型判断方向的依据之一；它是估计值，不等于承诺的单场命中率。
冷门/平概率 Probability
弱队在常规90分钟内取胜或战平的合计概率，可理解为“强队不胜概率”。数值较高表示强队取胜风险较大，但是否值得选择还要结合让球、赔率、EV 与系统建议，不能只看一个百分比。
置信度 / 星级 Rating
模型对某场比赛预测结果把握的量化指标。基于比赛数据的完整度和历史回测表现：1星为常规推荐，2星为较高价值，3星表示数据高度吻合历史冷门或大胜模型，属重点关注场次。
系统建议 Output
系统同时展示比赛方向和赔率价值。模型倾向强队时会指明球队；如果当前赔率过低、EV 不为正，会标注“当前赔率价值偏低”。方向判断和是否值得按该赔率长期投入需要分别理解。
方向判定 (竞彩让球方向) Concept
历史推演结果中的“方向正确”并非单纯指胜平负赛果，而是基于“竞彩让球”的投资方向。例如某场比赛强队胜率仅为 51.8%，不足以稳定打穿深盘（如 -2），此时模型建议投资弱队让球不败（即让平/让负）。如果最终赛果为 0-0，即便强队没赢，但因为符合了下盘方向，模型依然会判定为“✅ 方向正确”。
市场隐含概率与去水 Market
赔率的倒数可以近似理解为市场赋予某结果的原始概率，但同一盘口各结果相加通常超过100%，多出的部分是市场水位（庄家边际）。模型会先将这部分按比例归一化，也就是“去水”，再比较不同公司、开盘与临场之间的概率变化。
预期进球（模型均值） Metric
进球模型为主队和客队分别估计一个平均进球数，它描述的是在大量相似比赛中每队进球的长期均值，并不是断言本场一定会出现这个整数比分。这里是赛前模型均值，不是根据每次射门质量计算的传统 xG；两个均值会进一步生成各种总进球和精确比分的概率。
泊松进球模型 Model
泊松分布常用于描述固定比赛时间内进球这类低频计数事件。本平台使用 LightGBM 的 Poisson 目标分别学习主、客队进球均值，再构建比分概率矩阵；它比简单套用联赛平均进球更能利用球队近期表现与赛前市场特征。
Dixon–Coles 低比分修正 Adjustment
独立泊松模型容易忽略主客进球之间的关联。Dixon–Coles 修正会专门调整 0–0、1–0、0–1、1–1 等低比分的联合概率，使比分分布更贴近足球比赛的实际结构；它只是一项统计校正，并不会预先指定赛果。
概率校准与时间外验证 Validation
概率校准的目标是让“预测为40%的事件”在长期样本中大约发生40%。校准器和推荐阈值只使用更早赛季产生的滚动样本外预测来拟合，最后再用未参与选择的留出赛季验证，以尽量避免把未来信息泄漏进模型。
总进球 0–6+ 分类 Output
体彩总进球被拆成 0、1、2、3、4、5、6+ 七个互斥类别，其中“6+”表示六球或以上。页面展示概率最高的两个类别；七类概率合计约为100%，四舍五入后可能有极小误差。
Top 2 候选与联合置信度 Confidence
Top 2 是模型概率最高的两个候选，并非两个结果各有50%机会。总进球模块会把前两项概率相加作为联合置信度，再与各联赛仅用历史开发期选出的阈值比较；达到阈值显示“推荐”，否则显示“放弃”，但候选仍会保留供参考。
比分概率矩阵 Probability
模型把主队进球数与客队进球数组合成一张二维概率表，每个格子对应一个精确比分及其原始概率。单个比分天然比胜平负或总进球更难预测，因此页面给出的比分候选概率通常不会很高，这并不代表计算失效。
确定性比分重排 Integration
联赛页面的最终两个比分不是由生成式 AI 随机给出。系统从数学模型的前四个比分出发，结合胜负方向、七类总进球分布与竞彩让球关系，按固定公式重新赋权并排序；相同输入始终得到相同结果。世界杯专区采用独立流程，不应与此混为一谈。