本文目录导读：
开源项目利用友谊赛（Friendly Matches）数据做预测，通常集中在体育数据分析、足球预测引擎或机器学习模型中。
由于友谊赛的“含金量”较低（球队常轮换、战术实验、重视程度不一），如果直接将其与正式比赛（如联赛、杯赛）混在一起训练，会导致预测模型产生严重偏差。
开源项目通常不会生硬地“使用”数据，而是采用一套复杂的清洗、加权和特征工程流程,以下是具体的实施方法论：
数据清洗与噪音过滤（关键步骤）
在将友谊赛数据输入模型前，必须进行严格的清洗,否则模型会学到错误规律：
- 排除“碾压局”：过滤掉对阵双方实力差距悬殊的比赛（FIFA 排名差超过 50 位的比赛）,因为这类比赛进球数分布失真。
- 排除“恶性热身赛”：排除比赛时间小于 80 分钟（非全时长）的比赛。
- 轮换检测：利用首发名单，如果某队首发阵容与上一场正式比赛阵容重合度低于 40%，则判定为“全替补”比赛,降低其权重。
- 时间窗口限制：只取最近 6-12 个月内的友谊赛数据,过旧的比赛会因球队换代而失效。
特征工程（如何将友谊赛转化为“特征”）
纯比分意义不大，开源项目通常会将友谊赛数据转化成衍生特征：
- 强度加权（Game State Weighting）：给友谊赛赋予一个较低的初始权重（0.3~0.5），而正式比赛权重为 1.0。
- Elo 评分修正：许多项目（如知名的
World Football Elo Ratings开源库）会根据比赛类型和对手强弱，对 Elo 积分进行微调，而不是直接使用原始积分，友谊赛的 K 值（敏感系数）远低于世界杯。 - 相对实力差值：计算两队友谊赛胜利的“平均净胜球”，但要除以对手的 Elo 分数（即赢得强队的友谊赛比赢弱队更有价值）。
- 阵型与轮换指标：如果项目能获取到赛事数据，会提取“主力球员出场时间占比”，该指标单独作为一个特征,用来平滑比赛结果。
模型训练策略（两难选择与应对）
- 二元分类：预测胜/平/负时，通常将友谊赛数据作为辅助训练集（Pre-train），然后用正式比赛数据微调（Fine-tune）,这叫迁移学习。
- 泊松分布模型：用于预测比分时，友谊赛的进球期望值（Lambda）需要根据比赛重要程度进行调整，代码中会写：
adjusted_lambda = raw_lambda * (0.7 if is_friendly else 1.0)。 - 随机森林/XGBoost：开源项目常常会加入一个
match_type的特征列（0=友谊赛，1=正式赛），让模型自己去学,但会配合正则化防止过拟合于友谊赛。
具体开源生态中的工具与库
如果你在寻找或开发这样的项目,可以参考以下技术栈：
futbol(Python库)：专注于足球数据清洗,自带友谊赛过滤逻辑。soccerdata(Python库)：用于抓取 FBref、Understat 等数据，里面有一个参数friendly=True/False。Rust/Julia体育预测框架：通常内置了针对不同赛事权重的配置策略。BettingML或Kaggle 开源 Notebook：常分享如何利用 Elo 评分系统中针对友谊赛的“降权”代码。
经典技巧：基于“状态”而非“结果”
最有价值的开源预测项目（如著名的 FiveThirtyEight 足球模型）很少直接看友谊赛的输赢得分,而是提取：
- 进球转化率（xG 差值）：如果友谊赛中球队的预期进球数（xG）表现极佳，虽然比分很差，模型会认为球队状态上升,这比比分更具预测力。
- 控球率和传球成功率：衡量球队是否在按既定战术运转。
风险提示（避免踩坑）
- 避免过拟合：如果训练集里友谊赛占比超过 30%，模型会“学会”使用低质量数据,导致验证集上的泛化能力变差。
- 注意主场优势失效：友谊赛通常在中立场地或封闭训练场进行，没有真实主场氛围，因此模型中对“主队优势”的系数需要针对友谊赛动态调整（通常设为 0）。
答案核心：开源项目并不是直接“用”友谊赛数据预测，而是将友谊赛数据降权、清洗后，作为辅助特征，用来更新队伍的平均状态（Elo 积分）或短期状态波动,最终辅助正式比赛的预测。
如果你在写代码,最常见的实现是：
# 伪代码示例
def adjust_rating_change(k, match_type, margin):
if match_type == "Friendly":
k *= 0.4 # 降权
return k * margin
