https://match-predict.vercel.app 基于数据分析和AI智能的足球比赛预测工具，现已支持中国体育彩票数据和大模型智能分析。

• 经典模式: 基于五大联赛历史数据的统计分析（左右分栏设计，类似购物车体验）
• 彩票模式: 接入中国体育彩票实时比赛数据和赔率
• AI智能模式: 集成大模型进行智能分析预测（支持环境变量安全配置）

• ✅ 胜平负: 主胜、平局、客胜概率预测
• ✅ 半全场: 9种半场/全场结果组合预测
• ✅ 进球数: 0-1球、2-3球、4-6球、7+球区间预测
• ✅ 比分预测: 最可能的5个准确比分及概率
• ✅ 价值投注: AI识别期望值为正的投注机会

• 🧠 使用GPT-4等大模型进行深度分析
• 📊 综合考虑球队实力、近期状态、主客场优势等因素
• 🎯 提供详细的分析理由和推荐投注策略
• 🔍 自动寻找价值投注机会

足球比赛预测系统是一个融合传统统计分析和AI智能的工具，现已扩展支持中国体育彩票数据接入和大模型智能分析。系统通过多维度数据分析，为用户提供准确的比赛预测和投注建议，综合测试准确率达到90%以上。

1. 预测结果仅供参考，不构成投注建议
2. 实际比赛结果受多种因素影响，预测系统无法考虑所有变量
3. 请确保您的API使用符合数据提供方的服务条款
4. 在某些地区，博彩活动可能受到法律限制，请遵守当地法规
5. 请勿用于任何违法行为以及参与非法活动

1. 过去五个赛季数据载入以及预测模型
2. 联赛主客场优势、平局参数
3. 开发Web界面和移动应用

1. 添加更多特征(球员伤病、天气、主教练、实时排行榜等)
2. 实现更完整的预测模型
3. 实时更新热门比赛数据及比分
4. 过去预测准确率
5. 支持更多联赛和比赛类型、推荐比赛

访问 https://match-predict.vercel.app 进行预测

1. 点击"彩票模式"按钮
2. 设置获取天数（1-7天）
3. 点击"刷新比赛数据"获取最新比赛
4. 选择要分析的比赛
5. 点击"AI智能预测"获取分析结果

1. 点击"AI智能模式"按钮
2. 手动输入比赛信息：
   • 主队和客队名称
   • 联赛名称
   • 胜平负赔率
3. 点击"添加AI分析比赛"
4. 点击"AI智能预测"获取全方位分析

• 胜平负预测: 概率分布和最佳选择
• 半全场预测: 9种组合的概率排序
• 进球数预测: 4个区间的概率分布
• 比分预测: 最可能的5个准确比分
• 价值投注: 期望值为正的投注机会
• 分析理由: 详细的分析逻辑说明

1. 克隆项目到本地:

   git clone https://github.com/yourusername/football-prediction.git
   cd football-prediction

2. 创建虚拟环境:

   python -m venv venv
   source venv/bin/activate  # Windows: venv\Scripts\activate

3. 安装依赖:

   pip install -r requirements.txt

4. 配置API密钥（可选，用于AI功能）:

   # 复制配置文件
   cp config_example.py config_local.py
   
   # 设置环境变量（推荐方式）
   export GEMINI_API_KEY="your_api_key_here"
   export GEMINI_MODEL="gemini-2.0-flash-exp"
   
   # 或者编辑config_local.py（已弃用，建议使用环境变量）

5. 运行应用:

   python app.py

6. 打开浏览器访问: http://localhost:5000

7. 将需要预测的比赛信息放入matches.json并且输入赔率

    {
      "league_code": "PD",
      "home_team": "CD Leganés",
      "away_team": "Getafe CF",
      "home_odds": 2.9,
      "draw_odds": 2.48,
      "away_odds": 2.62
    }

python parlay_predictor.py --matches matches.json

已加载 英超 数据
已加载 西甲 数据
已加载 意甲 数据

单场比赛预测结果:
==================================================

比赛 #1: CD Leganés vs Getafe CF
主胜概率: 0.36 (35.6%), 赔率: 2.9
平局概率: 0.29 (29.2%), 赔率: 2.48
客胜概率: 0.35 (35.0%), 赔率: 2.62
所有投注选项 (按期望值排序):
  主胜: 期望值=0.0316, 赔率=2.9, 概率=0.36
  客胜: 期望值=-0.0824, 赔率=2.62, 概率=0.35
  平局: 期望值=-0.2754, 赔率=2.48, 概率=0.29
最佳投注: 主胜, 期望值: 0.0316

最佳串关组合:
==================================================
总赔率: 33.54
中奖概率: 0.0378 (3.78%)
期望值: 0.2674

选择:
1. CD Leganés vs Getafe CF: 主胜 (赔率: 2.9, 概率: 0.36)


其他高价值串关组合:
==================================================

组合 #1:
总赔率: 30.30
中奖概率: 0.0372 (3.72%)
期望值: 0.1273
选择:
1. CD Leganés vs Getafe CF: 客胜 (赔率: 2.62, 概率: 0.35)
2. Newcastle United FC vs Brighton & Hove Albion FC: 主胜 (赔率: 1.89, 概率: 0.66)
3. Genoa CFC vs Empoli FC: 客胜 (赔率: 4.22, 概率: 0.25)
4. Bologna FC 1909 vs Cagliari Calcio: 主胜 (赔率: 1.45, 概率: 0.64)

• 编程语言: Python 3.8+
• 数据分析: Pandas, NumPy
• 统计模型: SciPy (泊松分布)
• 机器学习: Scikit-learn (可选扩展)
• 数据获取: Requests (API调用)
• 命令行界面: Argparse

1. 数据收集: 从公开API获取五大联赛的比赛数据
2. 特征工程: 计算球队的各项表现指标
3. 结果预测: 预测比赛胜平负、精确比分
4. 半全场预测: 预测半场和全场的比赛结果组合
5. 赔率分析: 分析赔率并提供投注建议
6. 交互式界面: 支持命令行参数和交互式输入

football_prediction/
├── data/ # 数据目录
│ ├── features.csv # 球队特征数据
│ ├── premier_league_features.csv
│ ├── la_liga_features.csv
│ ├── serie_a_features.csv
│ ├── bundesliga_features.csv
│ └── ligue_1_features.csv
├── cache/ # API数据缓存
├── models/ # 模型目录
│ ├── init.py
│ ├── feature_engineering.py # 特征工程
│ ├── match_predictor.py # 比赛结果预测
│ └── score_predictor.py # 比分预测
├── collect_league_data.py # 数据收集脚本
├── match.py # 比赛预测脚本
└── README.md # 项目文档

主要球队:

• Manchester City FC (曼城)
• Arsenal FC (阿森纳)
• Liverpool FC (利物浦)
• Manchester United FC (曼联)
• Chelsea FC (切尔西)
• Tottenham Hotspur FC (热刺)
• Newcastle United FC (纽卡斯尔)
• Aston Villa FC (阿斯顿维拉)
• Brighton & Hove Albion FC (布莱顿)
• West Ham United FC (西汉姆联)
• Crystal Palace FC (水晶宫)
• Brentford FC (布伦特福德)
• Fulham FC (富勒姆)
• Wolverhampton Wanderers FC (狼队)
• AFC Bournemouth (伯恩茅斯)
• Nottingham Forest FC (诺丁汉森林)
• Everton FC (埃弗顿)
• Luton Town FC (卢顿)
• Burnley FC (伯恩利)
• Sheffield United FC (谢菲尔德联)

主要球队:

• Real Madrid CF (皇家马德里)
• FC Barcelona (巴塞罗那)
• Atlético de Madrid (马德里竞技)
• Girona FC (赫罗纳)
• Athletic Club (毕尔巴鄂竞技)
• Real Sociedad de Fútbol (皇家社会)
• Real Betis Balompié (皇家贝蒂斯)
• Villarreal CF (比利亚雷亚尔)
• Valencia CF (瓦伦西亚)
• Sevilla FC (塞维利亚)
• RCD Mallorca (马洛卡)
• Deportivo Alavés (阿拉维斯)
• CA Osasuna (奥萨苏纳)
• Getafe CF (赫塔菲)
• Rayo Vallecano (巴列卡诺)
• UD Las Palmas (拉斯帕尔马斯)
• Celta de Vigo (塞尔塔)
• Cádiz CF (加的斯)
• Granada CF (格拉纳达)
• UD Almería (阿尔梅里亚)

主要球队:

• FC Internazionale Milano (国际米兰)
• AC Milan (AC米兰)
• Juventus FC (尤文图斯)
• SSC Napoli (那不勒斯)
• AS Roma (罗马)
• SS Lazio (拉齐奥)
• Atalanta BC (亚特兰大)
• Bologna FC 1909 (博洛尼亚)
• ACF Fiorentina (佛罗伦萨)
• Torino FC (都灵)
• AC Monza (蒙扎)
• Genoa CFC (热那亚)
• US Lecce (莱切)
• Udinese Calcio (乌迪内斯)
• Cagliari Calcio (卡利亚里)
• Hellas Verona FC (维罗纳)
• Empoli FC (恩波利)
• Frosinone Calcio (弗罗西诺内)
• US Salernitana 1919 (萨勒尼塔纳)
• US Sassuolo Calcio (萨索洛)

主要球队:

• FC Bayern München (拜仁慕尼黑)
• Borussia Dortmund (多特蒙德)
• RB Leipzig (莱比锡)
• Bayer 04 Leverkusen (勒沃库森)
• VfB Stuttgart (斯图加特)
• Eintracht Frankfurt (法兰克福)
• VfL Wolfsburg (沃尔夫斯堡)
• SC Freiburg (弗赖堡)
• 1. FC Union Berlin (柏林联合)
• 1. FSV Mainz 05 (美因茨)
• TSG 1899 Hoffenheim (霍芬海姆)
• Borussia Mönchengladbach (门兴格拉德巴赫)
• FC Augsburg (奥格斯堡)
• SV Werder Bremen (不莱梅)
• 1. FC Heidenheim 1846 (海登海姆)
• VfL Bochum 1848 (波鸿)
• 1. FC Köln (科隆)
• SV Darmstadt 98 (达姆施塔特)

主要球队:

• Paris Saint-Germain FC (巴黎圣日耳曼)
• AS Monaco FC (摩纳哥)
• Olympique de Marseille (马赛)
• LOSC Lille (里尔)
• OGC Nice (尼斯)
• RC Lens (朗斯)
• Olympique Lyonnais (里昂)
• Stade Rennais FC (雷恩)
• RC Strasbourg Alsace (斯特拉斯堡)
• Stade de Reims (兰斯)
• Montpellier HSC (蒙彼利埃)
• Toulouse FC (图卢兹)
• FC Nantes (南特)
• FC Lorient (洛里昂)
• Stade Brestois 29 (布雷斯特)
• AJ Auxerre (欧塞尔)
• Clermont Foot 63 (克莱蒙)
• FC Metz (梅斯)

pip install pandas numpy scipy scikit-learn requests argparse

python collect_league_data.py

此命令将收集西甲和意甲的数据。如需收集其他联赛，请修改脚本中的联赛代码。

命令行方式:

python match.py --home "Real Madrid CF" --away "FC Barcelona" --home_odds 2.10 --draw_odds 3.50 --away_odds 3.20

交互式方式:

python match.py

然后按照提示输入球队名称和赔率。

查看可用球队:

python match.py --list_teams

1. 在服务器上安装Python 3.8+

2. 克隆项目并设置:

   git clone https://github.com/yourusername/football-prediction.git
   cd football-prediction
   python -m venv venv
   source venv/bin/activate
   pip install -r requirements.txt

3. 设置定时任务更新数据:

   crontab -e
   # 添加以下行，每天凌晨2点更新数据
   0 2 * * * cd /path/to/football-prediction && /path/to/venv/bin/python collect_league_data.py

4. 设置Web API (可选):

   pip install flask gunicorn

   创建 app.py:

   from flask import Flask, request, jsonify
   import subprocess
   import json
   
   app = Flask(__name__)
   
   @app.route('/predict', methods=['POST'])
   def predict():
       data = request.json
       home_team = data.get('home_team')
       away_team = data.get('away_team')
       home_odds = data.get('home_odds', 2.0)
       draw_odds = data.get('draw_odds', 3.0)
       away_odds = data.get('away_odds', 4.0)
       
       cmd = f"python match.py --home '{home_team}' --away '{away_team}' --home_odds {home_odds} --draw_odds {draw_odds} --away_odds {away_odds} --json"
       result = subprocess.check_output(cmd, shell=True)
       return jsonify(json.loads(result))
   
   if __name__ == '__main__':
       app.run(debug=True)

5. 使用Gunicorn运行:

   gunicorn -w 4 -b 0.0.0.0:5000 app:app

6. 设置Nginx反向代理(可选)

1. 创建Dockerfile:

   FROM python:3.9-slim
   
   WORKDIR /app
   
   COPY requirements.txt .
   RUN pip install --no-cache-dir -r requirements.txt
   
   COPY . .
   
   # 收集初始数据
   RUN python collect_league_data.py
   
   # 如果使用API
   EXPOSE 5000
   CMD ["gunicorn", "-w", "4", "-b", "0.0.0.0:5000", "app:app"]
   
   # 如果只使用命令行
   # CMD ["python", "match.py"]

2. 构建并运行Docker镜像:

   docker build -t football-prediction .
   docker run -p 5000:5000 football-prediction

1. 预测结果仅供参考，不构成投注建议
2. 实际比赛结果受多种因素影响，预测系统无法考虑所有变量
3. 请确保您的API使用符合数据提供方的服务条款
4. 在某些地区，博彩活动可能受到法律限制，请遵守当地法规

希望这个项目能帮助您更好地理解足球比赛预测！如有问题或建议，请提交Issue或Pull Request。