- 算法就是输入 → 规则 → 输出：比赛数据、筛选条件和一个决定。
- 它不是水晶球：它估计概率，要用数百次下注来评判。
- 审核任何提供方：大样本、赛前记录的战绩、ROI 和真实赔率。
算法是什么，简单说
算法就是一份步骤固定的食谱。
你给它食材，它按顺序执行步骤，端出一道菜。
你两次给它同样的东西，它就给你同样的结果。
投注算法对比赛做的正是这件事。
输入数据，套用规则，输出决定：下注或不下注。
没有魔法，也没有藏起来的直觉。
这是它最大的优点。
算法不会生气，不会兴奋，也不会追损。
周一和周六，它套用的是同一条规则。
这同时也是它最大的局限。
它只能看到你给它的数据。
如果缺少某个重要数据，算法并不知道。
内部原理：输入、规则和输出
每个投注算法都有三个部分。
理解了这三个部分，就理解了任何一个算法。
| 部分 | 作用 | 示例 |
|---|---|---|
| 输入 | 比赛数据 | 近期状态、主客场、赔率 |
| 规则 | 把数据变成概率 | 权重、筛选、否决 |
| 输出 | 带赔率的决定 | 下不下注，下多少 |
输入就是喂给算法的数据。
最常见的有近期结果、进球和失球、主客场、伤病以及市场赔率。
数据越干净，输出越好。
规则是核心。
有些规则估计每种结果的概率。
另一些负责筛选：剔除赔率过低或信息不足的比赛。
输出是用户唯一能看到的东西。
它可以是带公布赔率的推荐，也可以只是一句“今天没有价值”。
好的算法常常保持沉默。
Gambeta的算法，高层次讲解
Gambeta在方法论页面上解释了自己的方法。
这里我们用简单的话来讲，不涉及内部参数。
这一点是有意为之：重要的是结果可以被审核。
请注意这份清单没有说什么。
它没有说“命中率80%”，也没有承诺任何事。
它描述的是一个流程，结果由公开战绩来评判。
完整的方法见本站的方法论页面。
你可以在那里看到覆盖范围、步骤和一般规则。
细节参数不公布，任何严肃的模型都是如此。
一个只有5条规则的最小算法示例
为了不流于抽象，我们来搭一个玩具版本。
所有数字都是示例：不是推荐，也不是任何人的真实数据。
计算已用脚本验证。
- 规则1：剔除所有低于 1.30 的赔率。
- 规则2：把赔率换成隐含概率：1 除以赔率。
- 规则3：计算优势：估计概率减去隐含概率。
- 规则4：要求优势至少达到5个百分点，且期望值为正。
- 规则5：每次固定下注资金的 1%，绝不超过。
现在用四场虚构的比赛来测试。
估计概率同样是示例。
| 案例 | 概率 / 赔率 | 优势 | 决定 |
|---|---|---|---|
| A | 55% / 2.10 | +7.4 个百分点 | 下注 |
| B | 50% / 1.25 | 已剔除 | 不下：赔率过低 |
| C | 42% / 2.30 | −1.5 个百分点 | 不下：没有优势 |
| D | 38% / 3.20 | +6.8 个百分点 | 下注 |
我们一步步看案例A。
赔率 2.10 对应的隐含概率是 47.6%。
示例模型给出 55%，所以优势是 7.4 个百分点。
期望值等于 0.55 乘以 2.10 再减 1。
结果是每单位下注 +15.5%，是平均值，而且是在很长的周期里。
以示例资金 1,000 计算，1% 的注码是 10。
案例C说明了为什么筛选很重要。
赔率 2.30 看起来很诱人，但它隐含 43.5%，而模型估计是 42%。
赔付低于应有水平：算法说不下。
这只是教学用的玩具。
真实的算法规则更多，数据也更好，但逻辑就是这样。
+15.5% 不是承诺：它是在估计概率正确的前提下才会出现的结果，而这恰恰是最难的地方。
你可以用期望值计算器重算这些数字，并用凯利计算器确定注码大小。
如果想从想法走到属于你自己的版本，请看如何搭建带参数的机器人。
为什么算法不是水晶球
足球有极大的偶然性。
一次击中门框、一个有争议的点球，或者第10分钟的一次伤病，就能改变一切。
没有任何算法能在事情发生之前看到这些。
好的算法并不是每次都猜对。
好的算法是在大量下注中，比赔率估计概率更准的那一个。
这种差距很小，只有在数量足够多时才会显现。
这就是连输会出现的原因。
一个正确的模型即使连输十场，也不代表它坏了。
我们在连败：多少算正常中解释过这一点。
这也是样本重要的原因。
四十次下注既不能证明什么，也不能反驳什么。
我们在需要多少次下注才能知道自己是否盈利中讲过。
还有一种风险与算法无关：下注过多。
如果注码很大，一段正常的连输就会在优势显现之前把你踢出局。
如何审核任何使用算法的推荐提供方
谁都可以说“我的算法有效”。
有用的问题是：我自己怎么验证？
这四项检查对Gambeta和任何其他提供方都适用。
| 检查项 | 看什么 | 警示信号 |
|---|---|---|
| 最低样本 | 数百条推荐，而不是几十条 | “15条推荐命中100%” |
| 可验证的战绩 | 赛前的日期和时间 | 推荐被删除 |
| ROI | 相对于下注额的收益 | 只展示命中率 |
| 公布的赔率 | 当时的真实赔率 | 没人能买到的赔率 |
对Gambeta也同样适用。
公开战绩是开放的，Jornal每天都会回顾它，包括命中和失误。
不需要相信我们：只需要数一数。
了解这些之后该怎么做
如果你使用别人的算法，请把它当作工具。
它整理信息，不能取代你的判断，也不能取代你对资金的管控。
如果你想搭建自己的算法，请从小处开始。
三条清晰的规则胜过三十条混乱的规则。
创建并训练你自己的AI指南是下一步。
如果你想了解预测的世界，体育投注算法那篇笔记和用AI做投注完整指南会帮你补全地图。
仅限18岁以上。
投注有真实风险，可能造成亏损。
只用你输得起的钱，并在开始之前设定限额。
如果你感觉失去控制，请寻求专业帮助。
常见问题
什么是投注算法？
它是一套固定的步骤，把一场比赛的数据变成一个决定。
输入数据，套用规则，输出带赔率的推荐，或者“不下注”。
它不是水晶球：它估计的是概率，不是结果。
投注算法的内部是怎么运作的？
它有三个部分：输入、规则和输出。
输入是状态、主客场和赔率等数据。
规则计算概率并进行筛选。
输出是决定，连同它的赔率。
算法能每次都猜对吗？
不能。
足球有很大的偶然性，没有任何算法能消除它。
好的算法靠的是在大量下注中比赔率估得更准而获利，而不是每场都猜对。
评估一个算法需要多少次下注？
需要数百次，而不是几十次。
下注太少时，运气的影响比方法更大。
要看按公布赔率计算的 ROI，而不只是命中率。
怎么判断推荐提供方是否可靠？
检查四件事：样本够大、战绩的记录时间早于比赛、ROI 按真实赔率计算、推荐不会被删除。
只要有一项不符，就要保持怀疑。
Gambeta会公布全部参数吗？
不会。
它在方法论页面上从高层次解释方法，并公开战绩。
细节参数不公布，但每一条推荐都可以审核。