核心公式
分歧度D=√[Σ_jΣ_c(P_j(c)-均值_c)^2/(3M)]；D≥0.14为高，D≥0.08为中，否则为低，至少3个有效基础模型。M：有效基础模型数；均值_c：某方向的模型平均数值；D：当前截面的跨模型离散程度
模型用途
根据当前多个模型的概率分散程度，向用户说明结果稳定性和潜在漂移影响。
所属分类：机器学习与融合；公开目录状态：持续研究。单场数据与访问条件以 APP 为准。
模型输入
只使用满足模型条件的赛前信息；样本与缺失情况以 APP 为准。
计算方法与公式
筛选有效基础模型结果 → 计算主胜、平局、客胜三项均值 → 计算整体离散度并分级 → 输出分歧等级与稳定性文字说明。
直接输出
提供模型分歧度、参与模型数与稳定性提示，不生成新的赛果预测。
与上文计算步骤对应的直接结果，具体数值和资料范围以APP当前比赛页面为准。
展示依据、方向与不确定性，不作为额外独立的一票预测。
如何理解边界
当前检测模型间分歧，不是完整时间序列分布漂移检测。
低分歧不等于预测正确。
等级阈值仍需结合后续归档进行校准。
输出应按本页标明的概率、评分、因子或文字说明理解，不能保证赛果。所有内容仅供数据研究与娱乐参考。
在足球狗 APP 中查看模型。
在APP选择具体比赛，进入模型分歧与漂移提示后，结合实际数据、样本与访问条件阅读输出，再与同类方法对照。