模型之前先看数据：清洗决定结论上限

赛前概率模型的输出质量，在上游就被数据清洗决定了。看个球预测专栏在多套模型对比中反复强调一件事：同一批比赛，清洗方式不同，结论可能完全相反。读者如果只盯着最终概率，很容易忽略概率背后的样本问题。理解数据清洗的基本逻辑，是读懂预测专栏的前提。

看个球把清洗环节拆成三步：先确认样本量是否足够，再校正赛程强度差异，最后处理异常值。这三步不涉及复杂算法，但每一步都会实质影响结论，读者完全可以按这个框架去核对每篇预测的可靠性。

样本量陷阱：小样本的结论为什么不可靠

样本量不足是赛前分析里最常见的陷阱。一支球队最近三场的攻防数据，看起来很有说服力，但三场比赛的偶然性极大，一张红牌、一个乌龙球就能把均值拉偏。看个球预测专栏会在每篇分析中标注样本窗口，读者看到样本窗口很短时，就应该主动降低对结论的信任度。

另一个隐蔽的问题是样本结构。十场比赛里如果有一半是对阵排名靠后的球队，那么这组数据的参考价值就有限。看个球在整理数据时会标注对手质量分布，读者可以据此判断样本是否具有代表性。样本量和样本结构要一起看，只看数量不看构成，同样会掉进陷阱。

赛程强度校正：强队的数据也会骗人

赛程强度差异会系统性地扭曲数据。连续对阵强队的球队，攻防数据通常难看；连续对阵弱队的球队，数据往往虚高。如果不做校正，模型会把赛程红利误判为实力提升。看个球预测专栏在展示近期状态时，会同时给出对手强度标记，读者可以据此判断数据含金量。

  • 看对手排名分布：近期对手是否集中在同一档次，决定数据是否可比。
  • 看主客场构成：连续主场和连续客场的样本，不能直接放在一起比较。
  • 看比赛间隔：密集赛程下的数据下滑，未必是状态问题，可能是体能问题。

这三项校正不需要读者自己计算，看个球会在预测中直接标注。读者要做的，是看到标注后调整对结论的解读方式，而不是把标注当成可有可无的装饰。

异常值处理：一张红牌不该改变整段判断

异常值处理是清洗环节里最容易被低估的一步。一场比赛出现早早红牌，后续数据就失去了常规参考意义；一场大比分失利，可能只是门将失误集中爆发。看个球预测专栏会对这类场次做标记，并在模型输入中降低其权重，避免单场极端结果扭曲整体判断。

读者在复核时可以留意两点：一是预测是否说明了异常场次的处理方式，二是处理方式是否与结论方向一致。如果一篇分析对明显异常的比赛只字不提，结论的可信度就要打问号。看个球保留每次更新的记录，读者可以追溯异常值是在哪一次更新中被修正的，这让整个判断过程可以复核。

数据清洗不是模型之外的杂活，而是模型的一部分。看个球希望读者通过预测专栏，逐步建立对样本、赛程和异常值的敏感度，让每一次赛前判断都有据可查。在安卓、苹果 iOS、Windows 电脑版和 Mac 电脑版上，这些标注和记录都能同步查看，方便读者随时对照。