Community研究与数据分析github.com

足球比分模型(国家队)

针对任何有数据的国家队赛事,使用对手调整ELO、加权泊松、Dixon-Coles和蒙特卡洛模拟生成标准化比分预测的Codex技能。

足球比分模型(国家队) 是什么?

这是一个为AI编码智能体(如Codex)设计的专业预测技能,用于对国家成年男子足球队的正式比赛结果进行标准化建模。用户只需提供类似“阿根廷vs埃及”的赛程名称,系统就会自动下载原始数据、解析比赛日期与赛事属性,并运行一套复杂的组合模型。该模型包含对手调整ELO评级、带上限的历史先验、加权泊松回归、精英对手校正、Dixon-Coles调整以及至少5万次蒙特卡洛模拟。技能强制执行严格规则:仅使用已完成的原始国家队比赛结果,禁止使用博彩赔率、预测文章或任何形式的专家意见,并通过`hard_audit.json`确保所有模型检查通过后才输出结果。最终输出包含预期的进球率(λ)、胜平负概率(附带95%置信区间)、最可能的比分、对手实力诊断以及先验影响报告。

兼容平台~Claude Code✓Codex CLI~Cursor
npx skills add 565721014-art/football-score-model

Installed? Explore more 研究与数据分析 skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →

在你喜欢的 AI 中提问

打开一个已预加载此 Agent Skill 的新对话。

文档

足球比分模型(国家队) 是做什么的?

使用捆绑模型;绝不要用非正式估算或仅基于原始进球数的排名来替代。

运行

python scripts/run_model.py --fixture "阿根廷 vs 埃及" --output-dir output

仅需要提供赛程名称。如有必要,将翻译后的队伍名称标准化为数据集标签。

规则

  • 仅使用已完成的原始国家队比赛结果;绝不要使用赔率、提示、预测或预测文章。
  • 从原始赛程行中解析目标日期、赛事、淘汰赛阶段、中立状态以及主客队顺序。
  • 将截止日期设为以下三者中最早的一个:比赛日减一天、运行日期、最新的已完成数据源日期。
  • 应用对手调整ELO、带上限的历史先验、加权泊松、精英对手校正、Dixon-Coles以及至少50,000次模拟。
  • 要求在hard_audit.json中报告all_passed: true后才能报告结果。
  • 从prediction.json中报告λ值、胜平负概率(附带95%置信区间)、最可能的比分、对手强度、先验影响以及警告信息。

仅当需要公式或审计细节时,才阅读references/model-spec.md。仅通过scripts/run_model.py调用scripts/model_engine.py。

name: model-football-scorelines description: 仅根据赛程名称,使用用户提供的对手调整ELO、带上限的历史先验、加权泊松回归、精英对手校正、Dixon-Coles调整和蒙特卡洛模型,计算2026年世界杯中立淘汰赛的比分概率。当Codex收到如“阿根廷 vs 埃及”的对阵信息,并要求提供国家队胜平负概率、预期进球、最可能比分、对手强度诊断或历史先验审计(不涉及博彩赔率、预测站点、专家预测或预计算预测)时使用。

足球比分建模(国家队)

运行捆绑的确定性模型;不要用非正式估算或仅基于原始进球数的计算来替代。

工作流程

  1. 将赛程作为唯一的必需用户输入。必要时将翻译后的队伍名称标准化为精确的数据集标签。
  2. 当用户提供原始结果CSV文件时,使用该文件。否则让运行器直接下载其默认的原始结果CSV。
  3. 绝不浏览或使用赔率、提示、预测、专家预测、社交媒体预测或预计算的预测文章。
  4. 使用Python 3.10+和scripts/requirements.txt中的包运行scripts/run_model.py。
  5. 首先读取hard_audit.json。如果all_passed为假,则拒绝运行。
  6. 读取prediction.json并报告所有请求的数据集、对手、原始对比调整后的数据、先验影响、参数、结果、比分和诊断字段。

命令

python scripts/run_model.py `
  --fixture "阿根廷 vs 埃及" `
  --output-dir output

运行器会定位未来的未评分赛程,读取其日期和中立世界杯元数据,并使用比赛前一天作为包含性截止日期。添加--source C:\path\results.csv以使用现有的原始CSV文件。仅在用户明确覆盖时使用--cutoff或--target-date。保持至少50,000次模拟。

必需行为

  • 将目标视为中立场地,不添加主场优势。
  • 仅使用从2018-01-01到截止日期之间的已完赛比赛。
  • 将2022年及以后视为主要窗口,将2018-2021年视为弱先验。
  • 将每个有效的2022年之前的队伍级别权重保持在8%以下。
  • 将明确的历史先验λ混合比例保持在5%以下,如果任一λ变动超过5%,则重新缩放。
  • 需要对手ELO和对手质量调整;绝不要仅根据原始进球数排名进攻能力。
  • 使用模型实现的精英阈值和回退规则。
  • 仅根据有效的已完赛观察值估算世界杯淘汰赛效应。
  • 仅在最终λ计算完成后应用Dixon-Coles。
  • 返回精确的调整后得分矩阵以及50,000次抽样的模拟概率和Wilson 95%置信区间。
  • 验证报告的最可能得分是否等于矩阵的最大值。

当需要审计公式、权重、诊断或输出语义时,阅读references/model-spec.md。可执行模型位于scripts/model_engine.py;通过scripts/run_model.py调用它,以便应用配置和硬性检查。

相关技能