战绩与胜率
系列赛胜率反映对阵结果，单局胜率反映地图局表现。两者不会直接混合；不同赛制下的样本会单独标识。
来源优先
优先采用可追溯的官方赛果与公开赛事记录，并标识第三方补充数据。
过程留痕
采集、清洗、映射、验证与发布按批次处理，重要修订保留版本记录。
口径一致
同一指标使用一致定义，并在版本、赛制或数据覆盖变化时重新评估。
表达不确定性
预测以概率而非确定结论呈现，并说明样本不足、阵容变化等风险。
01
Source policy
数据来源政策
数据来源按可核验性、接近原始记录的程度和稳定性分层。来源不同的数据不会在缺少标识的情况下被视为同等可靠。
优先级
使用范围
处理原则
一级来源
官方赛果与赛事公告
用于确认比赛结果、赛程状态、赛制、处罚、阵容公告和赛事阶段等基础事实。
作为事实核验的首选依据；如官方后续更正，本站同步进入修订流程。
二级来源
公开赛事数据
包括公开的逐局统计、英雄选择、资源、时长、击杀和地图目标等结构化记录。
执行格式验证、赛事映射与跨字段一致性检查后使用。
补充来源
第三方公开数据
用于补充历史记录、公开赔率快照或官方未提供的结构化字段。
必须标识来源类别与时间戳，不用于覆盖更高优先级的已确认事实。
使用边界：
未公开的信息、无法验证的社交媒体传闻以及缺少来源链的二手汇总，不作为确定性事实进入核心数据集。确有分析价值时，只能作为明确标注的背景信息。
02
Data pipeline
从原始记录到页面发布
数据处理不是一次性复制。每个批次依次经过采集、标准化、去重、验证、异常检测和版本化，尽量降低重复比赛、队名变化与字段错位造成的误差。
-
1
采集与时间标记
记录来源类别、采集批次、原始时间与可用字段，避免将后续更新误认为赛前信息。
-
2
标准化
统一战队、选手、赛事、版本、位置、英雄及赛制标识，同时保留必要的历史别名。
-
3
去重与合并
通过赛事、时间、对阵、局次等组合键识别重复记录，不依赖单一名称字段。
-
4
一致性验证
检查系列赛比分与逐局结果、胜负方、比赛时长、资源总量及地图目标之间的逻辑关系。
-
5
异常检测
标记不合理极值、缺失阵容、重复局次和跨版本错位，异常记录不会自动进入模型训练。
-
6
版本化发布
发布数据快照并保留修订线索，使后续页面更新能够追溯到对应批次和统计口径。
03
Metric definitions
核心指标如何定义
指标用于压缩信息，而不是替代比赛语境。除特别说明外，团队指标按地图局统计，系列赛结果与单局结果分开处理。
近期状态
使用截至分析时点的滚动比赛窗口，并结合时间衰减。窗口长度、赛事阶段及阵容变化会影响解释。
对手强度
根据对手在同一时点之前的表现估计，而非使用赛季最终排名回填，以减少未来信息泄漏。
资源效率
考察经济、击杀、地图目标或伤害转化为胜势的能力。指标通常按比赛时长、节奏或资源规模标准化。
阵营指标
蓝色方与红色方胜率按版本、阶段和样本量观察，不将全局阵营差异直接归因于单支战队。
BP优先级
综合选择率、禁用率、首轮优先级和放出后的选择倾向。版本与Fearless Draft规则应分别处理。
样本量原则
小样本指标仍可展示，但应附带样本数量或限制提示。样本不足时，不使用高精度小数营造虚假确定性，也不把短期波动直接解释为稳定能力。
04
Prediction method
预测模型与概率校准
预测用于比较赛前条件下的相对胜算，不是赛果保证。模型只使用在预测时间点已经可获得的信息，并通过时间顺序评估泛化能力。
主要特征类别
近期与长期表现
阵容连续性与人员变化
对手强度调整
阵营与地图局环境
版本与赛制因素
比赛节奏与资源效率
训练与评估范围
训练集按时间顺序构建，较早比赛用于训练，较晚比赛用于验证或测试。跨赛季、重大版本和赛制变化会进行分段检查，避免随机切分高估模型能力。
概率校准
模型排序正确并不代表概率可信。我们会比较预测概率与实际发生频率，并关注整体及不同概率区间的校准表现。
- 使用留出时段或滚动窗口进行赛外评估
- 检查概率分箱、校准误差与概率评分
- 样本不足时扩大不确定性提示，而非过度拟合
避免数据泄漏
预测某场比赛时，不使用该场比赛之后才产生的排名、赛果、阵容确认、最终赛季统计或后验标签。滚动指标必须截断到预测时间点，缺失值处理和标准化参数也只能根据训练数据确定。
05
Odds method
公开赔率观察方法
赔率数据仅用于观察公开市场预期及其变化，不用于替代比赛分析，也不构成投注建议。不同来源、时间点与市场规则的数据必须分开记录。
时间戳
每个快照应对应采集时间。开盘、临场与赛后数据不能混合比较，延迟数据需明确提示。
隐含概率
十进制赔率的原始隐含概率为赔率的倒数；比较双方时还需识别并处理市场利润空间。
变化解释
赔率移动可能来自阵容消息、市场流动性或风险控制，不能自动解释为真实胜率发生同等变化。
责任提示：
公开赔率观察用于研究市场信息表达。任何概率或价格都存在误差、延迟和来源差异，不应被理解为收益承诺。
06
Corrections policy
错误反馈与修订政策
数据错误可能来自原始来源修正、名称映射、缺失记录或处理逻辑。收到反馈后，先确认影响范围，再决定局部更正、批次重算或方法更新。
-
1
接收问题
记录页面、字段、比赛或指标，以及能够支持核验的来源信息。
-
2
复核来源
对照原始记录、公开赛事信息和数据处理批次确认问题。
-
3
评估影响
检查错误是否影响其他比赛、聚合指标、排名、模型或历史文章。
-
4
发布修订
修正数据并在重大变化时说明修订范围、原因及分析影响。
一般更正
拼写、标签或不改变主要结论的局部字段错误可直接修正；必要时在对应页面保留简短说明。
重大修订
若错误改变排名、预测概率、核心图表或文章结论，应重新计算相关内容，并公开说明影响范围。
07
Limitations
方法限制与正确使用方式
数据无法完整描述比赛
公开数据通常无法直接刻画队内沟通、临场决策、训练状态、选手健康和未公开的战术准备。统计关系也不等同于因果关系。
- 阵容临时变化会迅速降低历史样本的代表性。
- 重大版本与赛制变化可能造成历史指标失效。
- 小样本、高波动和数据缺失会扩大预测误差。
- 概率预测应与阵容、版本、BP及比赛背景共同阅读。
FAQ
研究方法常见问题
不是。本站是独立分析平台，会优先使用官方赛果与公开赛事记录，也可能使用第三方公开数据进行补充。不同来源会按其可核验性和用途分层，不将第三方数据表述为官方发布。
不代表。概率是对不确定性的量化。例如较高胜率只表示在当前信息和模型假设下相对更有利，单场比赛仍可能因BP、状态、临场决策或随机波动出现不同结果。
页面可能采用不同样本区间、赛事阶段、版本、阵容过滤条件或统计单位。阅读时应优先查看页面标注的样本范围和更新时间，而不是仅比较单个数值。
若某项预测使用市场信息，页面必须明确披露。默认情况下，数据模型表现与公开赔率观察应分别展示，以便用户判断模型结论是否独立于市场价格。
请提供相关页面、比赛或字段，以及可供核验的来源。本站会检查原始记录和处理批次；若错误影响聚合统计、预测或主要结论，将扩大复核范围并披露重大修订。