Community研究與資料分析github.com

football-score-model

Codex 技巧,可使用對手調整 ELO、加權泊松、Dixon-Coles 和蒙地卡羅方法,從原始結果模擬任何支援的國家隊賽事。

football-score-model 是什麼?

這個 Football Score Model 技巧提供了一個專門的管線,用於從原始歷史國家隊結果計算賽後或預測的比分機率。它整合了多個統計模型——對手調整 ELO、加權泊松回歸、菁英對手校正、Dixon-Coles 調整和蒙地卡羅模擬——以產生可靠且可審計的勝/平/負預測、預期進球和比分機率。此技巧設計為與 Codex(指令代理程式)搭配使用,使用者只需提供一個賽事名稱(例如「Argentina vs Egypt」)。所有相關邏輯封裝在 Python 腳本中,支援 10 萬次以上模擬。嚴格要求使用原始結果資料集,拒絕使用外部投注賠率或預測網站。它明確處理中立場地(如世界盃淘汰賽)和歷史先驗,並對輸出進行嚴格審計,確保在報告結果前 `hard_audit.json` 中 `all_passed` 為 true。它支援 powershell 命令,檔案結構包含 `scripts/run_model.py` 和 `scripts/model_engine.py`,以及參考文件 `references/model-spec.md`,其中記錄了公式和審計規則。

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

Installed? Explore more 研究與資料分析 skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →

在你喜歡的 AI 中提問

開啟一個已預先載入此 Agent Skill 的新對話。

說明文件

足球比分模型

使用捆綁的模型;永遠不要用非正式的估計或僅原始進球數的排名來取代。

執行

python scripts/run_model.py --fixture "Argentina vs Egypt" --output-dir output

只需指定賽事。必要時將翻譯後的球隊名稱標準化為資料集標籤。

規則

  • 僅使用已完成的原始國家隊結果;絕不使用賠率、貼士、預測或預測文章。
  • 從原始賽事資料列中解析目標日期、比賽、淘汰賽階段、中立狀態以及主客場順序。
  • 將截止日期設定為以下三者中最早的:比賽日減一天、執行日期、以及最新完成的來源日期。
  • 應用對手調整 ELO、有上限的歷史先驗、加權泊松、菁英對手校正、Dixon-Coles 以及至少 50,000 次模擬。
  • 要求 hard_audit.json 中報告 all_passed: true 後才能報告結果。
  • 從 prediction.json 中報告 lambda 值、勝/平/負及其 95% 信賴區間、最高比分、對手強度、先驗影響以及警告。

僅在需要公式或審計細節時才閱讀 references/model-spec.md。僅透過 scripts/run_model.py 來調用 scripts/model_engine.py。

name: model-football-scorelines description: 僅根據賽事名稱,使用使用者的對手調整 ELO、有上限的歷史先驗、加權泊松回歸、菁英對手校正、Dixon-Coles 調整和蒙地卡羅模型,計算 2026 年世界盃中立場地淘汰賽比分機率。當 Codex 被給予像「Argentina vs Egypt」這樣的對戰組合,並被要求提供國家隊勝/平/負機率、預期進球、最高比分、對手強度診斷或歷史先驗審計,但不涉及投注賠率、預測網站、專家預測或預先計算的預測時使用。

模型足球比分

執行捆綁的確定性模型;不要用非正式估計或僅原始進球數的計算來取代。

工作流程

  1. 接受一個賽事作為唯一必要的使用者輸入。必要時將翻譯後的球隊名稱標準化為精確的資料集標籤。
  2. 如果使用者提供原始結果 CSV,則使用該 CSV;否則讓執行器直接下載其預設的原始結果 CSV。
  3. 永遠不要瀏覽或使用賠率、貼士、預測、專家預測、社群媒體預測或預先計算的預測文章。
  4. 使用 Python 3.10+ 以及 scripts/requirements.txt 中的套件執行 scripts/run_model.py。
  5. 先讀取 hard_audit.json。如果 all_passed 為 false,則拒絕執行。
  6. 讀取 prediction.json 並報告每個請求的資料集、對手、原始與調整後比較、先驗影響、參數、結果、比分和診斷欄位。

命令

python scripts/run_model.py `
  --fixture "Argentina vs Egypt" `
  --output-dir output

執行器會定位未來尚未進行的賽事,讀取其日期和中立世界盃中繼資料,並使用比賽前一天作為包含性截止日期。使用 --source C:\path\results.csv 來使用現有原始 CSV。僅在明確的使用者覆寫時使用 --cutoff 或 --target-date。保持至少 50,000 次模擬。

必要行為

  • 將目標視為中立場地,不添加主場優勢。
  • 僅使用 2018-01-01 到截止日期之間已完成的比賽。
  • 將 2022 年之後視為主窗口,2018-2021 年視為弱先驗。
  • 保持每個 2022 年前有效隊伍層級權重不超過 8%。
  • 保持明確的歷史先驗 lambda 混合比例不超過 5%,並在任一 lambda 變動超過 5% 時重新縮放。
  • 要求對手 ELO 和對手品質調整;永遠不要僅根據原始進球數來排名進攻。
  • 使用模型實作的菁英門檻和後備規則。
  • 僅從有效的已完成的觀測資料來估計世界盃淘汰賽效應。
  • 僅在最終 lambda 計算完成後應用 Dixon-Coles。
  • 回傳精確調整後的比分矩陣以及 50,000 次抽樣模擬機率和 Wilson 95% 信賴區間。
  • 驗證報告的最可能比分是否等於矩陣的 argmax。

在審計公式、權重、診斷或輸出語義時閱讀 references/model-spec.md。可執行模型位於 scripts/model_engine.py;透過 scripts/run_model.py 調用它,以便套用配置和嚴格檢查。

相關技能