核心公式
λ=exp(x·β)；以时间加权的泊松对数似然拟合6个系数，并加入正则项；w=0.5^(历史年龄天数/540)。主客λ进入独立泊松比分矩阵。β：截距、主场优势及双方攻防系数；x：主客场与目标球队身份特征；正则强度：截距0.05、主场项0.5、球队项1.4
模型用途
用回归方程分别估计主客队进球均值，是泊松模型的训练化升级方向。
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。
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。
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
把历史比赛拆成主客进球两条观测 → 按540天半衰期赋予观测权重 → 以带正则的迭代方法拟合系数 → 计算主客预期进球并聚合比分、总进球和胜平负。
直接输出
同时输出回归系数、预期进球与同源比分分布；系数说明与最终概率应结合样本量共同阅读。
按主队与客队进球组合展示分布，是相关比分概率的计算基础。
把双方进球合并到总进球数，按各总数分别展示分布。
在当前输入与假设下得到的分布或倾向，需结合本页样本与校准边界解读。
描述相对强度、结构或影响，不能直接当作赛果概率。
如何理解边界
这是当前六特征实现，不等于覆盖完整联赛的全球队攻防训练系统。
设计矩阵不可解时停止生成结果。
拟合结果仍需要样本外验证，不能继承学术方法的效果结论。
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GLM 进球回归模型后，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。