INPUT 01
近期竞技状态
观察近期系列赛表现、对局稳定性和胜负质量，同时控制短期连胜或连败造成的过度反应。
事实优先
赛程、赛果、资格与阵容先核验，再进入评分和概率计算。
口径一致
跨队伍比较使用一致的时间范围、赛事层级与指标定义。
概率可解释
概率表达不确定性，不以排名或单一指标替代完整判断。
限制显式呈现
资格待定、版本变化和样本不足会降低预测稳定性。
01 · Data sources
数据来源与采用优先级
不同数据承担不同作用。赛事事实用于确定发生了什么，结构化统计用于衡量表现，市场数据用于观察外部定价。发生冲突时，优先处理身份、时间戳和统计口径，而不是简单选取最有利于现有结论的数据。
来源不等于结论
原始数据需要经过清洗、时间对齐、赛事层级识别和异常检查后才能用于比较。公开赔率也只代表对应市场快照，不直接代表比赛真实概率。
| 优先级 | 来源类别 | 主要用途 | 核验重点 |
|---|---|---|---|
| P1 | 赛事官方发布与比赛记录 | 赛程、赛果、赛制、分组、资格与纪律性变更 | 发布日期、赛事阶段、队伍身份与后续更正 |
| P2 | 战队与联赛公开信息 | 阵容、替补、教练组与资格状态变化 | 生效时间、适用赛事及是否为正式确认 |
| P3 | 结构化赛事统计 | 近期状态、对手强度、地图与系列赛表现 | 统计定义、样本范围、版本与赛事层级 |
| P4 | 公开市场赔率快照 | 隐含概率、市场分歧和价格变化观察 | 市场名称、赔率格式、采集时间与选项完整性 |
| P5 | 编辑背景资料 | 解释版本环境、赛制影响与历史语境 | 事实与观点分离，避免将评论写成已确认信息 |
表格描述的是来源类别和处理顺序，不表示与任何数据机构、赛事组织或市场服务商存在合作关系。
02 · Update policy
按事件状态更新，而非制造“实时”错觉
更新由可核验事件触发。页面应尽可能展示数据快照或更新时间；若关键输入尚未确认，则保留待定标识，不用未经确认的信息填补空缺。
DURING EVENT
赛事进行期间
在赛果确认、阶段状态改变或新一轮对阵形成后，重新检查排名、晋级路径与冠军概率输入。
POST MATCH
比赛结束后
先核对胜负、比分和系列赛状态，再纳入表现指标。未经核验的即时统计不直接覆盖稳定数据。
CONFIRMATION
资格与阵容确认
正式确认参赛资格、种子、阵容或替补变化后，更新参评范围和相关不确定性标记。
VERSION CHANGE
版本与赛制变化
当版本或赛制改变可比性时，降低旧样本权重，并在解释中说明影响方向尚不确定的部分。
03 · Prediction framework
冠军预测的输入框架
模型不以单场胜负、知名度或市场热度直接决定冠军概率。输入因素先形成可比较的相对强度，再结合赛事路径估计每支队伍到达后续阶段并最终夺冠的机会。
核心输出
冠军概率是条件概率的综合结果：它同时受到队伍强度、当前阶段、潜在对手和赛制路径影响，不等同于实力榜名次。
INPUT 02
对手强度
同样的胜负记录在不同赛区、赛事阶段和对手质量下含义不同，因此需要按对手强度修正。
INPUT 03
国际赛事表现
国际样本用于辅助判断跨赛区可比性，但旧赛事、不同阵容和不同版本的权重会随时间降低。
INPUT 04
赛制与晋级路径
分组、种子、潜在对手和系列赛长度会改变夺冠路径，实力接近的队伍也可能出现不同冠军概率。
INPUT 05
版本适应与风格
版本变化可能影响英雄优先级、资源分配和战术节奏，但缺少比赛样本时不会对影响方向作绝对判断。
INPUT 06
阵容连续性
首发、替补和教练组变化会影响历史数据的适用性。未经确认的阵容消息不作为稳定输入。
STEP 1
事实数据核验
STEP 2
指标标准化
STEP 3
相对强度估计
STEP 4
路径与对阵计算
OUTPUT
校准后冠军概率
04 · Probability normalization
概率如何校准并保持总和一致
原始评分不是概率。模型先将相对强度转换为正权重，再结合赛事路径形成每支队伍的冠军权重，最后在同一参评集合内归一化。
基础归一化表达
P(team i) = W(team i) ÷ Σ W(all eligible teams)
其中 W 代表结合强度与赛事路径后的正权重。实际发布前还需检查参赛范围、资格状态和概率边界。
1
确定参评集合
只在同一事件、同一阶段定义下比较。资格待定队伍需要明确标注纳入规则。
2
转换为非负权重
避免直接把排名分或净胜指标当成概率，确保权重具备可归一化条件。
3
加入路径条件
通过阶段和潜在对阵估计到达下一轮、决赛及夺冠的连续条件概率。
4
检查总和与异常值
发布值在允许的显示舍入误差外应保持总和逻辑一致，并检查极端跳变是否由真实输入变化造成。
05 · Odds processing
赔率格式、隐含概率与市场利润率
赔率数据必须在相同市场、相同时间点和相同参赛选项范围内比较。不同格式先转换到统一口径，再计算隐含概率并处理市场利润率。
统一赔率格式
将小数盘、分数盘或其他显示格式转换为统一的小数赔率表达，保留原始采集时间和市场名称。
计算原始隐含概率
p = 1 ÷ decimal odds
该结果仍可能包含市场利润率，不能直接与经过校准的模型概率等同。
标准化市场分布
fair pᵢ = pᵢ ÷ Σp
在选项完整且口径一致时，通过归一化降低整体利润率对横向比较的影响。
可以用于观察
- —市场对不同队伍的相对定价
- —同一口径下的价格变化与分歧
- —模型概率与市场隐含概率的差异
不应直接推导
- —赔率更低就一定夺冠
- —价格变化一定来自阵容或赛场信息
- —不同时间、不同市场的赔率可以直接平均
06 · Uncertainty limits
哪些情况会降低预测可靠性
概率不是置信承诺。输入信息越不完整、历史样本越不可比，结果的波动范围就越大。阅读预测时，应同时查看状态说明和更新时间。
资格与种子待定
参赛集合或路径尚未确定时，冠军概率依赖临时假设。
阵容临时变化
替补、位置调整或教练变化会削弱历史表现的代表性。
版本样本不足
新版本缺少高质量比赛时，风格适应判断具有更高不确定性。
跨赛区可比性有限
地区赛成绩受到不同对手池和赛事环境影响，不能机械换算。
赛制路径变化
抽签、重赛或阶段规则变化会改变潜在对手与晋级难度。
小样本随机波动
短系列赛中的临场决策和单局事件可能显著影响最终结果。
07 · Corrections
数据错误与修正流程
-
1
复核原始记录
检查赛事、队伍、时间戳、市场名称和统计定义是否匹配。
-
2
评估影响范围
判断错误是否影响排名、状态评分、概率、赔率比较或文字结论。
-
3
重新计算并核验
受影响的衍生数据应随基础数据一起重算，避免只修改表面数值。
-
4
记录重要修订
对影响主要结论的修正，应说明修订对象、原因和适用范围。
发现数据问题可联系： contact@wc26winner.com.cn
08 · Independence
独立性与使用边界
LOL总决赛数据预测中心是独立赛事数据与分析平台，不代表 Riot Games、赛事主办方、参赛战队或投注服务商，也不暗示获得上述主体的官方认可。
页面中的赛事事实、模型概率、市场赔率和编辑解读属于不同信息层。模型概率是基于可用数据的估计，市场赔率是特定时间点的外部定价，二者都不能保证实际赛果。
所有预测内容仅用于信息理解与数据比较，不构成投注、投资或财务建议。用户应自行判断当地法律要求、参与风险及信息的适用性。
当事实数据与预测结论发生冲突时，应以已确认的赛事事实为准；预测页面应随后重新计算，而不是反向修改事实口径。
09 · FAQ
数据方法常见问题
快速区分模型概率、市场赔率、更新时间与预测变化。
冠军概率是模型基于战队表现、对手强度、赛制路径和版本环境形成的分析结果；赔率隐含概率反映特定市场在特定时间点的定价，并可能包含市场利润率、流动性与参与者偏好。两者可以比较，但不能视为同一种数据。
阵容确认、资格结果、分组与对阵路径、版本更新或新的市场数据都可能改变输入条件。即使没有新增赛果，模型对战队晋级路径和相对强度的判断也可能随之调整。
在同一预测快照、同一参赛范围和同一冠军事件下，发布概率会经过归一化，使参评队伍的总概率保持逻辑一致。若资格尚未完全确定，页面应同时说明纳入范围与待定状态。
直接使用赔率倒数计算时，结果通常包含市场利润率，因此各选项的隐含概率之和可能超过 100%。比较时需要在同一市场与时间口径下进行标准化，才能得到更适合横向观察的概率分布。
不可以。预测用于描述不确定性和相对可能性，不保证比赛结果，也不构成投注建议。阵容、版本、临场状态、抽签路径和小样本波动都可能造成实际结果与模型估计不同。