核心公式
m主=0.9×拿分率差+0.38×净胜球差+0.2×主客场差+0.12；m客=-m主；m平=0.55-0.35×|m主-m客|-0.06×波动；P=softmax(m主,m平,m客)。m：工程分类边界分值；波动：双方近期进球波动的平均值；P：分值归一化后的三项倾向
模型用途
用标准化特征进行分类，输出需再做概率校准。
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
校验双方历史样本 → 计算主客方向的线性边界分值 → 结合边界距离和波动计算平局分值 → 用softmax展示三类倾向。
直接输出
输出方向边界分值、三项倾向及主要特征说明，边界距离不能直接解释为真实胜率。
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
当前为固定边界工程实现，未运行训练所得支持向量求解器。
softmax结果尚需历史校准。
不输出精确比分或总进球分布。
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SVM 分类模型后，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。