Python足球预测应用始终返回平局结果，如何让结果随赛事变化？

问题根源 #

1. 模型选型错误：用线性回归（回归模型）处理分类任务。FTR是离散分类变量（主队胜H/客队胜A/平局D），线性回归输出连续值，转整数后大概率落在平局编码区间，导致始终返回平局结果。
2. 特征逻辑错误：训练仅使用FTHG和FTAG（全场进球数）——这两个是比赛结束后才产生的数据，无法用于赛前预测；同时完全忽略HomeTeam和AwayTeam（球队实力差异）这个核心特征，预测逻辑脱离实际赛事规律。
3. 特征编码缺失：球队名称属于无序分类特征，代码中未做有效编码就直接丢弃，浪费了关键信息。

修复与优化步骤 #

1. 替换为分类模型 #

选用适合分类任务的模型，比如逻辑回归（LogisticRegression），入门场景下易实现且效果稳定。

2. 正确处理特征 #

• 对HomeTeam和AwayTeam做独热编码（One-Hot Encoding）：球队间无顺序关系，不能用LabelEncoder。
• 选择赛前可获取的特征：比如球队名称、博彩公司赛前赔率（如B365H/B365D/B365A），避免使用比赛后产生的FTHG/FTAG。

3. 调整预测逻辑 #

预测时仅输入赛前可获取的数据（球队、赔率等），不再依赖进球数这类赛后数据。

完整优化代码 #

import pandas as pd
from sklearn.preprocessing import OneHotEncoder, LabelEncoder
from sklearn.linear_model import LogisticRegression
from sklearn.compose import ColumnTransformer
from sklearn.pipeline import Pipeline

# 加载赛事数据
url = "https://www.football-data.co.uk/mmz4281/2223/E0.csv"
data = pd.read_csv(url)

# 编码比赛结果标签
le = LabelEncoder()
data["FTR_encoded"] = le.fit_transform(data["FTR"])

# 选择赛前可获取的特征：球队名称 + 博彩赔率
predictors = ["HomeTeam", "AwayTeam", "B365H", "B365D", "B365A"]
X = data[predictors]
y = data["FTR_encoded"]

# 构建预处理管道：对球队特征做独热编码，数值特征直接保留
preprocessor = ColumnTransformer(
    transformers=[
        ("cat", OneHotEncoder(handle_unknown="ignore"), ["HomeTeam", "AwayTeam"])
    ],
    remainder="passthrough"
)

# 构建完整模型流水线：预处理 + 分类模型
model = Pipeline(steps=[
    ("preprocessor", preprocessor),
    ("classifier", LogisticRegression(max_iter=1000))
])

# 训练模型
model.fit(X, y)

# 模拟赛前预测（替换为真实赛前数据即可）
home_team = "Arsenal"
away_team = "Bournemouth"
# 示例赛前赔率，实际可从数据源获取
home_odds = 1.5
draw_odds = 4.0
away_odds = 6.0

prediction_data = pd.DataFrame(
    {
        "HomeTeam": [home_team],
        "AwayTeam": [away_team],
        "B365H": [home_odds],
        "B365D": [draw_odds],
        "B365A": [away_odds],
    }
)

# 执行预测并解码结果
predicted_code = model.predict(prediction_data)[0]
result_str = le.inverse_transform([predicted_code])[0]

# 输出结果
if result_str == "H":
    print(f"{home_team} wins!")
elif result_str == "A":
    print(f"{away_team} wins!")
else:
    print("It's a draw!")

额外优化建议 #

• 补充更多赛前特征：比如球队近期战绩、历史交锋记录、主场胜率等，进一步提升预测准确性。
• 尝试复杂模型：比如随机森林、XGBoost等，这类模型对非线性关系的拟合能力更强。
• 加入数据验证：用train_test_split拆分训练集和测试集，评估模型泛化能力，避免过拟合。

内容的提问来源于stack exchange，提问作者Daniel Wagner