14 岁那年，我第一次为 2010 年世界杯冠军下注。全凭直觉，我逐场猜测，并把决赛席位押在了我赛程规划中的两支队：荷兰和西班牙。最终，这两队真的会师决赛——我的预测成真，令我激动不已。
时隔 14 年，我想做一个项目来加深对 Python 和机器学习的掌握，于是选择了 2024 年欧洲杯的预测项目。我的主要目标是预测比赛结果（胜、平、负）以及每支球队的进球数。
本文概述了我的 EURO 2024 预测项目，重点介绍了我采取的关键步骤、遇到的挑战以及获得的洞见。若想深入了解技术细节（包括代码实现），请参阅配套的笔记本项目——您需要一个 DataLab 账户才能访问全部文件。
预测足球比赛结果的难点
预测足球比赛的结果因多种因素而出名地困难。足球的进球数在统计分布上波动很大；同时，相比其他集体球类运动，每场比赛的得分机会相对较少，导致结果更难以预料。
以手球为例：频繁的得分机会往往带来更可预测的结果，因为在比赛过程中，尝试射门的次数不断拉平，进球数更可能反映出机会的创造与遏制。在足球中，有时只需在门前“摆大巴”，再抓住一次坚决的反击，就能颠覆整场比赛。
此外，足球比赛具有高度路径依赖，即比赛的势头与结果通常高度取决于第一粒进球。细小却关键的动作可能带来进球或红牌，剧烈改变比赛走向，进一步加大了预测难度。
近年引入的 VAR（视频助理裁判）也增添了不确定性，因为它可能推翻场上的关键判罚。别忘了还有玄之又玄的“当日状态”——作为那支以多变著称、绰号“情绪化女神”的法兰克福队球迷，我对这个话题简直可以写一本书。
应对数据局限的策略
除上述因素外，我的预测模型还面临若干数据层面的限制，需要一一解决。
- 缺乏球员层面数据： 若没有关键球员、个人表现指标或伤病等详尽数据，模型可能会忽视影响赛果的关键因素。尽管国家队不像俱乐部那样受转会市场波动影响，但多年间阵容变化依然很大，因此数据若能反映这一点会更理想。
- 缺乏赛中数据： 缺少如控球率、传球成功率等赛中统计，会降低模型做出精确预测的能力。诸如首粒进球的时间与所属球队等数据点，也有助于追踪前述路径依赖的模式，从而更容易预测比赛可能走向。
为应对所用数据的挑战，我采用了多种策略：
填补缺失数据
在可行的情况下，我填补了缺失数据点，以确保数据集完整——例如为待预测的比赛加入战术阵型信息。
多数球队在训练与检验后会坚持同一套阵型，因此我假定各队将沿用其最近五场比赛中最常用的阵型。这样我们就能在首发阵容公布之前进行预测（通常只会在开赛前一小时公布）。
剔除或替换特征
当既无法填补也不便删除时，我会剔除或替换某些特征，以避免影响模型精度。
例如，最初我想做两级预测：先用主要特征去预测控球率、预期进球（xG）等次级特征，再基于这些次级特征预测赛果。为简化流程，我放弃了这一做法，转而依据比赛平均统计为每支球队设定两项特征，以代表其踢法风格。
删除缺失数据
在无法填补时，我删除缺失数据以保持数据集的完整性。幸运的是，样本损失很小，数据集仍有 3000 场以上的比赛可用于建模。
数据管道：从收集到预测
在解决了困难与限制之后，我们来看看如何把原始数据转化为有洞见的预测。该数据管道是项目的骨架，涵盖了数据收集、预处理与建模准备，利用了多种战术、心理与历史特征。
数据抓取
第一步是从多个来源抓取历史比赛数据，包括Transfermarkt，以汇总过往比赛的详尽信息。
生成的 DataFrame 中，每一行对应一场比赛中某一支参赛队伍的视角。该数据与FootyStats 数据结合，以纳入诸如平均控球率与效率指标等踢法特征。
更多细节可在数据抓取笔记本这里查看。
特征工程
随后，将原始数据转化为可供机器学习模型使用的有意义特征，包括提取数值、变量变换与计算均值等。
数据集中所有球队的“效率 vs. 脆弱性”聚类
我识别并在模型中使用了若干关键特征，以提升预测准确性。这些特征包括：
- 战术阵型： 双方阵型及其前锋与后卫人数。目标是辨识各类流行阵型之间与球队攻防能力相关的结果模式。
- 强弱身份： 为简洁客观地衡量这一点，我基于欧国联级别（非欧洲球队则参照相应的 FIFA 排名区间）提取此特征，以指示哪支球队更被看好。
- 球队状态： 最近五场比赛的场均进球与失球，反映各队当前攻防水准。
- 踢法风格： 采用平均控球率与“效率—脆弱性”聚类（见上图）来刻画球队的风格。效率定义为进球数与预期进球（xG）之比，既包含本队进球也包含本队丢球。聚类仅在已获得参赛资格的球队上拟合（它们才是关注对象），随后应用于数据集中至少有一场比赛的所有其他球队。请注意，由于样本较少，非欧洲球队的取值可能偏差较大。
- 赛段： 纳入赛事阶段（小组赛或淘汰赛），以体现球队所承受压力的差异。思路是探索不同筹码高低下的表现模式。
- 球队本质与长期趋势： 该特征假定存在某种难以解释的“余量”，可被捕捉为每支队伍的“本质”。与时间变量结合后，它能代表其他特征未覆盖的要素，提供球队整体表现与趋势的全景视图。
在构建机器学习模型之前，将数据集分为未赛与已赛两部分，以区分有标签与无标签数据。此外，我们对高度右偏的状态特征取对数，并进行归一化与独热编码，以确保数据格式适宜。
包含长期趋势在内的球队变量需用 MinMaxScaler 缩放，以避免“0”（表示不含该队的比赛）影响其量纲。其他数值特征使用 StandardScaler 标准化。
模型选择与工作流实现
为找出最有效的足球赛果预测模型，我从一组较广的机器学习模型入手。采取“黑箱”式探索，我尝试多种模型，以了解它们在处理数据时的长短。对每个模型，我均使用分类版本预测赛果，并用回归版本预测双方进球数。测试的模型包括：
- 随机森林（Random Forest）
- 梯度提升（Gradient Boosting）
- 极端梯度提升（XGBoost）
- 支持向量机（SVM）
- K 近邻（K-Nearest Neighbors）
- 极端随机树（Extra Trees）
- 自适应提升（AdaBoost）
- LightGBM（Light Gradient Boosting Machine）
- CatBoost（Categorical Boosting）
- 线性回归（Linear Regression）
我先设置了随机种子（我曾经的球衣号码 9）以保证可复现性。随后定义标签与目标并进行建模，核心步骤均通过交叉验证比较模型表现：
- 评估基线模型：将上述模型实例化、拟合并用交叉验证评估。
- 超参数调优： 优化各模型参数以提升性能。通过微调，模型能更好适配数据并给出更准确的预测。
- 递归特征选择： 使用递归特征选择识别最相关的特征。这有助于聚焦对预测影响最大的变量，提高模型效率与准确度。不过，对某些标签而言，使用全部特征的预测更佳；若出现这种情况，我会采用“全特征”版本。
最终，我依据预测比赛结果（胜/负）的精度，以及预测进球数的均方根误差（RMSE）来挑选表现最佳的模型。
我为赛果选择了两套模型：一套用于预测胜负，另一套专门用于预测平局。之所以区分，是因为影响平局的模式与因素与胜负有显著差异。为确保三种结果（胜、平、负）的最终概率相加为 100%，模型应用的结果随后会进行归一化。
模型应用
用所选模型及其超参数与特征，我为每一行预测所有标签。由于每场待预测比赛有两行记录，我们会得到每种赛果的两组概率，以及双方各自的两组浮点型预测进球数。
这些数值不应相差太多，绝大多数情况也确实如此；若差异较大，我们会对该场比赛打标，提示需要谨慎看待该预测。为将每个标签归并为单一取值，我取两组预测的平均值。
对赛果，我将胜、平、负概率归一化，使其总和为 100%。我还创建了其他列来反映诸如“双重机会”等热门投注选项。基于每队浮点型预测进球数，我构建泊松分布，推导出各队每个进球数的概率，以及全场总进球是否大于或小于 1.5、2.5、3.5、4.5、5.5 的概率——这些都是较常见的投注标的。
在“竞猜”层面的预测中，我选择概率最高的赛果。若双方胜率相差不超过 0.05，我将其判作平局。对进球数，我选取每队最可能的进球数，并在必要时进行调整，以确保与所预测的赛果一致。
为预测后续欧洲杯赛事，我用初始预测结果更新了原始比赛数据。将这些预测并入数据集并重新执行特征工程后，我便可在赛事形势演变的基础上预测下一轮比赛。
评估模型表现：准确率 vs. 精确率
理解准确率与精确率的区别在足球预测情境中至关重要，尤其在考虑预测的应用方式时。以投注与竞猜为例，可以说明这两个指标的重要性：
在体育博彩中
目标是找到期望回报为正的投注。这意味着您需要识别可能的结果，并结合庄家给出的赔率，找出有价值的下注。
这里精确率尤为关键，它关注正类预测（如预测胜利）的正确性。较高的精确率有助于持续识别被庄家低估的投注，直接关系到盈利能力。
请注意，博彩公司拥有整支团队来构建并维护非常复杂的预测模型，在大多数情况下，它们很可能优于像我这样较为简单的模型。
在竞猜比赛中
目标是尽可能准确地猜中每场比赛的结果。参与者每猜中一场即可得分，力争在多场比赛中累积最高分。在这种场景下，整体准确率更重要，因为它衡量了预测命中的频率，从而影响总得分。
对平局的预测正是两项度量可能出现背离的典型示例。训练数据中约 20% 的比赛以平局收场，导致多数模型低估平局概率，甚至从不预测平局。
这会带来约 80% 的高准确率，因为所有非平局都被正确标注；但平局的精确率为 0，因为没有任何平局被预测为平局。
模型表现结果
模型表现因预测类型而异：
- 赛果预测
- CatBoost 与 AdaBoost： 这两种模型在胜/负预测上最佳，最高准确率达 72%，精确率达 70%。
- SVC 预测平局： 该模型取得了 79% 的准确率与 47% 的精确率，虽远非理想，但相较于起点为零已是显著进步。
- 进球数预测
- CatBoost 与梯度提升： 这两类模型在进球预测上表现最佳，最低 RMSE 为 1.19 球，最高 R2 为 0.23。尽管这些分数显示仍有巨大改进空间，但为进球预测奠定了可靠基础。
由于使用了不同模型，赛果与进球数预测有时会不匹配。尽管分类与数值评分难以直接比较，但我认为总体上赛果预测优于进球预测，因此在不匹配时后者将调整以符合前者。
所有已赛比赛的进球分布
值得注意的是，模型在任何球队、任何比赛中，最可能的进球数几乎只会给出 0、1、2 三种。鉴于测试数据中的总体进球分布，这并不令人惊讶，但也意味着模型不会把大比分进球大战作为最可能的结果。
预测上场：2024 欧洲杯前瞻
将模型应用于欧洲杯首轮比赛，产生了一些有意思的结果！
小组赛
在四分之三的场次中，模型预测的胜者是更被看好的一方；其余四分之一的场次，预测结果与博彩公司所看好的球队不一致。
乍看之下，这个比例似乎适合下注，因为合理假设总会有一定数量的冷门。但接下来便是最棘手的部分，也是足球预测中的普遍问题——无论您依赖直觉还是机器学习模型：什么时候押注弱者才有意义？
一种应对策略是只且总是押注热门。这样会在一些冷门上出错，但总体准确率会相当不错。尝试连意外之喜也去猜中，才有机会把准确率优化到更高，但这显然更难、更冒险。
假设冷门比例大致恒定，那么每次失误的代价会翻倍——每猜错一个冷门，等于错过一个押热门的正确机会。
我选择了更冒险的策略，但目前收效甚微。模型在可能的冷门上有些“运气不佳”，导致首轮比赛的准确率仅为 50%，颇为令人失望。
比如，模型预测塞尔维亚与格鲁吉亚这两支弱队，分别能与英格兰打平、战胜土耳其；然而两场比赛的胜者都是热门一方。另一方面，模型也未能预测出实际发生的冷门，如斯洛伐克击败比利时、罗马尼亚 3:0 大胜乌克兰，以及丹麦战平斯洛文尼亚。
以下预测是在第二轮小组赛后作出的，每队还剩一场小组赛。最令人意外的结果出现在最具看点的小组，例如 E 组，在还剩一轮的情况下，所有球队都是 3 分。
根据模型，斯洛伐克将以 1:0 战胜罗马尼亚并最终小组第一，因为他们此前战胜过比利时。如此一来，斯洛伐克会把这支小组大热门挤到第二名。模型甚至预测斯洛伐克将成为本届赛事的最大黑马，淘汰奥地利并挺进八强。
淘汰赛阶段
预测整个赛事走向尤其困难，原因在于赛制允许成绩最好的小组第三晋级淘汰赛。这会引入多种可能的对阵组合，并因四支最佳第三来自哪些小组而更趋复杂。因此，以下预测请谨慎参考——哪怕只是某队净胜球改变一球，对阵也可能完全不同。
淘汰赛普遍会很胶着，唯独西班牙在可能的 1/8 决赛对阵罗马尼亚时被预测以 2:0 取胜，是少数预期净胜超过一球的场次。
意大利的比赛将“胶着”推向极致，前两场淘汰赛都被预测为平局。点球大战较为少见，且缺乏足够数据来预测胜者，我只好凭记忆中意大利在点球上的良好战绩，预计他们会在对阵瑞士与英格兰的两次点球大战中皆胜出。
最终，模型预测西班牙、葡萄牙、荷兰与意大利将会师半决赛。
我预测的决赛对阵是荷兰 vs. 西班牙，恰如 2010 年——历史会重演吗？
关键收获
本项目带来了几项重要收获：
- 预测足球赛果既具挑战又充满乐趣： 足球比赛的高度路径依赖，加上情景事件的强烈影响，使得预测困难却也引人入胜。
- 工作流至关重要： 从一开始就需要结构良好的工作流。规划数据流与工作簿结构能节省时间，产出更整洁、更易读的代码，也更易于排错，提升项目整体质量。
为改进预测并扩展项目范围，可采取以下措施：
- 更多数据： 纳入更多比赛有助于识别不同特征之间的模式，提升模型准确性。更大的数据集将为预测模型提供更全面的基础。
- 更多特征： 新增特征可带来更多洞见：
- 经验值： 纳入每名入选球员的平均国家队出场次数，可指示球队的经验水平。
- 赛前赔率： 通过抓取博彩公司网站的数据，反映赛前的强弱身份，可为预测提供有价值的背景。不过也有局限，因为赔率变化很频繁。但若只是简单判断谁是热门、谁是弱者，这种做法已足够。
- 扩展思路：
- 赛中数据： 纳入实时比赛统计可提升预测精度。诸如控球率、传球准确率与球员移动等指标，能在比赛过程中提供更深入的洞见。
- 球员数据： 更详尽的球员层面信息，包括个人表现指标与健康状况，可为赛果提供更深入的洞见。
更多详细信息与代码，请访问项目笔记本。
结语
本文概览了预测足球赛果的挑战与方法，回顾了 EURO 2024 预测项目的历程与收获。
将数据科学与体育分析结合，为爱好者与从业者提供了令人兴奋的机会。随着项目持续演进，目标仍是不断优化模型，并将其应用拓展到其他赛事，为日益发展的体育数据分析领域贡献力量。
如果您想进一步了解体育数据分析，可参考以下资源：
14 岁那年，我第一次为 2010 年世界杯冠军下注。全凭直觉，我逐场猜测，并把决赛席位押在了我赛程规划中的两支队：荷兰和西班牙。最终，这两队真的会师决赛——我的预测成真，令我激动不已。
时隔 14 年，我想做一个项目来加深对 Python 和机器学习的掌握，于是选择了 2024 年欧洲杯的预测项目。我的主要目标是预测比赛结果（胜、平、负）以及每支球队的进球数。
本文概述了我的 EURO 2024 预测项目，重点介绍了我采取的关键步骤、遇到的挑战以及获得的洞见。若想深入了解技术细节（包括代码实现），请参阅配套的笔记本项目——您需要一个 DataLab 账户才能访问全部文件。
预测足球比赛结果的难点
预测足球比赛的结果因多种因素而出名地困难。足球的进球数在统计分布上波动很大；同时，相比其他集体球类运动，每场比赛的得分机会相对较少，导致结果更难以预料。
以手球为例：频繁的得分机会往往带来更可预测的结果，因为在比赛过程中，尝试射门的次数不断拉平，进球数更可能反映出机会的创造与遏制。在足球中，有时只需在门前“摆大巴”，再抓住一次坚决的反击，就能颠覆整场比赛。
此外，足球比赛具有高度路径依赖，即比赛的势头与结果通常高度取决于第一粒进球。细小却关键的动作可能带来进球或红牌，剧烈改变比赛走向，进一步加大了预测难度。
近年引入的 VAR（视频助理裁判）也增添了不确定性，因为它可能推翻场上的关键判罚。别忘了还有玄之又玄的“当日状态”——作为那支以多变著称、绰号“情绪化女神”的法兰克福队球迷，我对这个话题简直可以写一本书。
应对数据局限的策略
除上述因素外，我的预测模型还面临若干数据层面的限制，需要一一解决。
为应对所用数据的挑战，我采用了多种策略：
填补缺失数据
在可行的情况下，我填补了缺失数据点，以确保数据集完整——例如为待预测的比赛加入战术阵型信息。
多数球队在训练与检验后会坚持同一套阵型，因此我假定各队将沿用其最近五场比赛中最常用的阵型。这样我们就能在首发阵容公布之前进行预测（通常只会在开赛前一小时公布）。
剔除或替换特征
当既无法填补也不便删除时，我会剔除或替换某些特征，以避免影响模型精度。
例如，最初我想做两级预测：先用主要特征去预测控球率、预期进球（xG）等次级特征，再基于这些次级特征预测赛果。为简化流程，我放弃了这一做法，转而依据比赛平均统计为每支球队设定两项特征，以代表其踢法风格。
删除缺失数据
在无法填补时，我删除缺失数据以保持数据集的完整性。幸运的是，样本损失很小，数据集仍有 3000 场以上的比赛可用于建模。
数据管道：从收集到预测
在解决了困难与限制之后，我们来看看如何把原始数据转化为有洞见的预测。该数据管道是项目的骨架，涵盖了数据收集、预处理与建模准备，利用了多种战术、心理与历史特征。
数据抓取
第一步是从多个来源抓取历史比赛数据，包括Transfermarkt，以汇总过往比赛的详尽信息。
生成的 DataFrame 中，每一行对应一场比赛中某一支参赛队伍的视角。该数据与FootyStats 数据结合，以纳入诸如平均控球率与效率指标等踢法特征。
更多细节可在数据抓取笔记本这里查看。
特征工程
随后，将原始数据转化为可供机器学习模型使用的有意义特征，包括提取数值、变量变换与计算均值等。
数据集中所有球队的“效率 vs. 脆弱性”聚类
我识别并在模型中使用了若干关键特征，以提升预测准确性。这些特征包括：
在构建机器学习模型之前，将数据集分为未赛与已赛两部分，以区分有标签与无标签数据。此外，我们对高度右偏的状态特征取对数，并进行归一化与独热编码，以确保数据格式适宜。
包含长期趋势在内的球队变量需用 MinMaxScaler 缩放，以避免“0”（表示不含该队的比赛）影响其量纲。其他数值特征使用 StandardScaler 标准化。
模型选择与工作流实现
为找出最有效的足球赛果预测模型，我从一组较广的机器学习模型入手。采取“黑箱”式探索，我尝试多种模型，以了解它们在处理数据时的长短。对每个模型，我均使用分类版本预测赛果，并用回归版本预测双方进球数。测试的模型包括：
我先设置了随机种子（我曾经的球衣号码 9）以保证可复现性。随后定义标签与目标并进行建模，核心步骤均通过交叉验证比较模型表现：
最终，我依据预测比赛结果（胜/负）的精度，以及预测进球数的均方根误差（RMSE）来挑选表现最佳的模型。
我为赛果选择了两套模型：一套用于预测胜负，另一套专门用于预测平局。之所以区分，是因为影响平局的模式与因素与胜负有显著差异。为确保三种结果（胜、平、负）的最终概率相加为 100%，模型应用的结果随后会进行归一化。
模型应用
用所选模型及其超参数与特征，我为每一行预测所有标签。由于每场待预测比赛有两行记录，我们会得到每种赛果的两组概率，以及双方各自的两组浮点型预测进球数。
这些数值不应相差太多，绝大多数情况也确实如此；若差异较大，我们会对该场比赛打标，提示需要谨慎看待该预测。为将每个标签归并为单一取值，我取两组预测的平均值。
对赛果，我将胜、平、负概率归一化，使其总和为 100%。我还创建了其他列来反映诸如“双重机会”等热门投注选项。基于每队浮点型预测进球数，我构建泊松分布，推导出各队每个进球数的概率，以及全场总进球是否大于或小于 1.5、2.5、3.5、4.5、5.5 的概率——这些都是较常见的投注标的。
在“竞猜”层面的预测中，我选择概率最高的赛果。若双方胜率相差不超过 0.05，我将其判作平局。对进球数，我选取每队最可能的进球数，并在必要时进行调整，以确保与所预测的赛果一致。
为预测后续欧洲杯赛事，我用初始预测结果更新了原始比赛数据。将这些预测并入数据集并重新执行特征工程后，我便可在赛事形势演变的基础上预测下一轮比赛。
评估模型表现：准确率 vs. 精确率
理解准确率与精确率的区别在足球预测情境中至关重要，尤其在考虑预测的应用方式时。以投注与竞猜为例，可以说明这两个指标的重要性：
在体育博彩中
目标是找到期望回报为正的投注。这意味着您需要识别可能的结果，并结合庄家给出的赔率，找出有价值的下注。
这里精确率尤为关键，它关注正类预测（如预测胜利）的正确性。较高的精确率有助于持续识别被庄家低估的投注，直接关系到盈利能力。
请注意，博彩公司拥有整支团队来构建并维护非常复杂的预测模型，在大多数情况下，它们很可能优于像我这样较为简单的模型。
在竞猜比赛中
目标是尽可能准确地猜中每场比赛的结果。参与者每猜中一场即可得分，力争在多场比赛中累积最高分。在这种场景下，整体准确率更重要，因为它衡量了预测命中的频率，从而影响总得分。
对平局的预测正是两项度量可能出现背离的典型示例。训练数据中约 20% 的比赛以平局收场，导致多数模型低估平局概率，甚至从不预测平局。
这会带来约 80% 的高准确率，因为所有非平局都被正确标注；但平局的精确率为 0，因为没有任何平局被预测为平局。
模型表现结果
模型表现因预测类型而异：
由于使用了不同模型，赛果与进球数预测有时会不匹配。尽管分类与数值评分难以直接比较，但我认为总体上赛果预测优于进球预测，因此在不匹配时后者将调整以符合前者。
所有已赛比赛的进球分布
值得注意的是，模型在任何球队、任何比赛中，最可能的进球数几乎只会给出 0、1、2 三种。鉴于测试数据中的总体进球分布，这并不令人惊讶，但也意味着模型不会把大比分进球大战作为最可能的结果。
预测上场：2024 欧洲杯前瞻
将模型应用于欧洲杯首轮比赛，产生了一些有意思的结果！
小组赛
在四分之三的场次中，模型预测的胜者是更被看好的一方；其余四分之一的场次，预测结果与博彩公司所看好的球队不一致。
乍看之下，这个比例似乎适合下注，因为合理假设总会有一定数量的冷门。但接下来便是最棘手的部分，也是足球预测中的普遍问题——无论您依赖直觉还是机器学习模型：什么时候押注弱者才有意义？
一种应对策略是只且总是押注热门。这样会在一些冷门上出错，但总体准确率会相当不错。尝试连意外之喜也去猜中，才有机会把准确率优化到更高，但这显然更难、更冒险。
假设冷门比例大致恒定，那么每次失误的代价会翻倍——每猜错一个冷门，等于错过一个押热门的正确机会。
我选择了更冒险的策略，但目前收效甚微。模型在可能的冷门上有些“运气不佳”，导致首轮比赛的准确率仅为 50%，颇为令人失望。
比如，模型预测塞尔维亚与格鲁吉亚这两支弱队，分别能与英格兰打平、战胜土耳其；然而两场比赛的胜者都是热门一方。另一方面，模型也未能预测出实际发生的冷门，如斯洛伐克击败比利时、罗马尼亚 3:0 大胜乌克兰，以及丹麦战平斯洛文尼亚。
以下预测是在第二轮小组赛后作出的，每队还剩一场小组赛。最令人意外的结果出现在最具看点的小组，例如 E 组，在还剩一轮的情况下，所有球队都是 3 分。
根据模型，斯洛伐克将以 1:0 战胜罗马尼亚并最终小组第一，因为他们此前战胜过比利时。如此一来，斯洛伐克会把这支小组大热门挤到第二名。模型甚至预测斯洛伐克将成为本届赛事的最大黑马，淘汰奥地利并挺进八强。
淘汰赛阶段
预测整个赛事走向尤其困难，原因在于赛制允许成绩最好的小组第三晋级淘汰赛。这会引入多种可能的对阵组合，并因四支最佳第三来自哪些小组而更趋复杂。因此，以下预测请谨慎参考——哪怕只是某队净胜球改变一球，对阵也可能完全不同。
淘汰赛普遍会很胶着，唯独西班牙在可能的 1/8 决赛对阵罗马尼亚时被预测以 2:0 取胜，是少数预期净胜超过一球的场次。
意大利的比赛将“胶着”推向极致，前两场淘汰赛都被预测为平局。点球大战较为少见，且缺乏足够数据来预测胜者，我只好凭记忆中意大利在点球上的良好战绩，预计他们会在对阵瑞士与英格兰的两次点球大战中皆胜出。
最终，模型预测西班牙、葡萄牙、荷兰与意大利将会师半决赛。
我预测的决赛对阵是荷兰 vs. 西班牙，恰如 2010 年——历史会重演吗？
关键收获
本项目带来了几项重要收获：
为改进预测并扩展项目范围，可采取以下措施：
更多详细信息与代码，请访问项目笔记本。
结语
本文概览了预测足球赛果的挑战与方法，回顾了 EURO 2024 预测项目的历程与收获。
将数据科学与体育分析结合，为爱好者与从业者提供了令人兴奋的机会。随着项目持续演进，目标仍是不断优化模型，并将其应用拓展到其他赛事，为日益发展的体育数据分析领域贡献力量。
如果您想进一步了解体育数据分析，可参考以下资源：