综合python案例，VAR介入概率能预测吗？

wen python案例 2026-10-28 3

VAR介入概率预测：Python实战分析

VAR（视频助理裁判）介入是足球比赛中的重要变量。结论先行：可以预测，但属于"概率预测"而非"确定预测"，典型 AUC 在 0.65–0.80 之间，下面给出完整的 Python 案例思路和代码。

问题定义

目标：给定比赛/回合特征，预测"该回合是否会发生 VAR 介入"的概率。

关键难点：

事件稀疏（一场比赛 0–3 次介入），样本不平衡
特征工程决定成败（裁判、球队风格、比赛重要性）
只能预测"概率倾向"，无法预测"具体判罚"

数据来源建议

数据类型	来源	用途
比赛事件	FBref / Understat / SofaScore	犯规、越位、进球
VAR 记录	ESPN、Transfermarkt、官方联赛报告
裁判数据	worldfootball.net	裁判严格度
赔率/盘口	OddsPortal	隐含争议概率

特征工程（核心）

import pandas as pd
import numpy as np
def build_features(df):
    """
    假设 df 每行是一个比赛回合(match 或 15分钟窗口)
    包含: fouls, offsides, goals, cards, referee_id,
          home_team, away_team, minute, score_diff, competition
    """
    f = pd.DataFrame(index=df.index)
    # 1. 事件强度类
    f['fouls_per_min']     = df['fouls'] / df['duration_min']
    f['offsides_per_min']  = df['offsides'] / df['duration_min']
    f['goals_per_min']     = df['goals'] / df['duration_min']
    f['cards_per_min']     = df['cards'] / df['duration_min']
    # 2. 争议潜力（关键）
    f['goal_diff']         = (df['goals'] - df['offsides']).abs()
    f['tight_score']       = (df['score_diff'].abs() <= 1).astype(int)
    f['late_game']         = (df['minute'] >= 75).astype(int)
    f['penalty_area_events']= df['box_fouls'] + df['box_handballs']
    # 3. 裁判特征（历史介入率）
    f['ref_var_rate']      = df['referee_id'].map(referee_var_history)
    f['ref_strictness']    = df['referee_id'].map(referee_card_rate)
    # 4. 球队风格（该队历史 VAR 介入率）
    f['home_var_rate']     = df['home_team'].map(team_var_history)
    f['away_var_rate']     = df['away_team'].map(team_var_history)
    f['style_clash']       = (f['home_var_rate'] - f['away_var_rate']).abs()
    # 5. 比赛重要性
    f['is_derby']          = df['is_derby'].astype(int)
    f['is_knockout']       = df['is_knockout'].astype(int)
    f['competition_enc']   = df['competition'].map(comp_encoding)
    return f

经验：ref_var_rate、home/away_var_rate、late_game、penalty_area_events 是贡献最大的 4 个特征。

建模（LightGBM + 校准）

from lightgbm import LGBMClassifier
from sklearn.model_selection import TimeSeriesSplit
from sklearn.calibration import CalibratedClassifierCV
from sklearn.metrics import roc_auc_score, brier_score_loss
X = build_features(df)
y = df['var_intervened']  # 0/1
# 时间序列切分（防止未来信息泄露）
tscv = TimeSeriesSplit(n_splits=5)
aucs, briers = [], []
for train_idx, test_idx in tscv.split(X):
    X_tr, X_te = X.iloc[train_idx], X.iloc[test_idx]
    y_tr, y_te = y.iloc[train_idx], y.iloc[test_idx]
    base = LGBMClassifier(
        n_estimators=400, learning_rate=0.03,
        max_depth=5, num_leaves=15,
        scale_pos_weight=(y_tr==0).sum()/(y_tr==1).sum(),
        random_state=42
    )
    model = CalibratedClassifierCV(base, method='isotonic', cv=3)
    model.fit(X_tr, y_tr)
    p = model.predict_proba(X_te)[:,1]
    aucs.append(roc_auc_score(y_te, p))
    briers.append(brier_score_loss(y_te, p))
print(f"AUC = {np.mean(aucs):.3f} ± {np.std(aucs):.3f}")
print(f"Brier = {np.mean(briers):.3f}")

典型结果：

AUC ≈ 70–0.78
Brier ≈ 0.10–0.14（需校准才有意义）

概率输出的正确使用方式

# 示例：某回合预测
prob = model.predict_proba(sample)[0,1]
if prob < 0.15:   print("低风险，常规判罚")
elif prob < 0.35: print("需关注，建议裁判多沟通")
elif prob < 0.60: print("高风险区域，可能回看")
else:             print("极可能 VAR 介入")

关键原则：

用分层概率而非硬阈值
每场比赛 100+ 回合，用泊松分布汇总：λ = n_rounds × mean_prob，可预测"整场介入次数"的置信区间

能预测到什么程度？

预测目标	可行性	说明
单回合是否介入	⚠️ 中等	AUC 0.70 左右，比随机强很多
整场介入次数	✅ 较好	泊松模型可给区间估计
哪种判罚被推翻	❌ 较难	需视频+规则语义理解
裁判是否会看回放	✅ 较好	与裁判特征强相关
比赛结果改变	❌ 极难	高随机性