核心公式
z=1.05×拿分率差+0.42×净胜球差+0.22×主客场差+0.12；P客=σ(-0.48-z)，P平=σ(0.48-z)-P客，P主=1-σ(0.48-z)。σ：Logistic函数；-0.48与0.48：预设有序分类边界；z：由赛前状态特征形成的潜在强度
模型用途
把客胜、平局、主胜作为有序区间，以赛前状态和主客场强度计算三项概率。
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。
计算方法与公式
从双方赛前历史提取状态特征 → 按固定系数计算潜在强度 → 通过两个有序边界划分客胜、平局与主胜 → 归一化并展示边界影响。
直接输出
输出三项倾向、潜在强度和分类边界，用于观察状态差如何进入有序分类。
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。
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
系数和边界为工程初始化，尚非历史样本训练后的有序Logit模型。
不生成比分矩阵。
三项分布不能视为已完成校准的胜率。
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Ordered Logit 实验模型后，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。