本文目录导读：
在PHP项目中利用友谊赛数据做预测,通常有两种截然不同的应用场景：体育赛事预测 和 电商/社交应用（如棋牌、游戏），由于你提到的是“友谊赛”，最可能是指体育赛事（如足球、篮球）。
以下我为你梳理一套从数据获取、处理、预测到落地的完整PHP实现方案，我会尽量避免过于复杂的数学公式，重点讲清逻辑和代码结构。
第一阶段：数据建模与存储
友谊赛（Friendly Match）的数据特点是：样本少、偶然性大、对手实力参差不齐，不能直接用胜负场次做简单统计。
数据结构设计（MySQL）
你需要一张表来存储比赛事件,而不仅仅是比分：
CREATE TABLE `friendly_matches` ( `id` INT AUTO_INCREMENT PRIMARY KEY, `match_date` DATE NOT NULL, `home_team` VARCHAR(100) NOT NULL, `away_team` VARCHAR(100) NOT NULL, `home_goals` TINYINT DEFAULT 0, `away_goals` TINYINT DEFAULT 0, `home_shots` TINYINT DEFAULT 0, -- 射门数 `possession_home` DECIMAL(5,2), -- 控球率 `xG_home` DECIMAL(4,2), -- 预期进球值（如果有） `xG_away` DECIMAL(4,2), `is_neutral_venue` BOOLEAN DEFAULT 0, -- 友谊赛经常在中立场 `tournament_name` VARCHAR(50), -- 国际友谊赛” `created_at` TIMESTAMP DEFAULT CURRENT_TIMESTAMP );
第二阶段：特征工程（核心）
在写预测代码前,必须对原始数据进行特征提取，这是决定预测准确率的关键，基于友谊赛，建议计算以下特征：
- 球队近5场比赛平均进球/失球（含权重）：注意，友谊赛权重应低于正式比赛（可设置0.5倍权重）。
- 主客场优势指数（友谊赛通常主场优势弱）。
- 双方历史交锋记录，且只看友谊赛的交锋。
- 球队近期“实力指数”：根据对手的FIFA排名差值来计算（因为友谊赛常找弱队练手）。
第三阶段：预测算法实现（PHP）
在PHP中,我不推荐使用复杂的深度学习框架，推荐使用 泊松分布（Poisson Distribution） 或 简化版的ELO评分系统。
方案A：泊松分布模型（入门首选，准确度尚可）
足球/篮球进球数通常符合泊松分布，我们可以根据球队的“进攻强度”和“防守强度”计算期望进球值，然后计算各种比分的概率。
实现步骤：
Step 1：计算球队攻防强度
function calculateTeamStrength($teamId, $pdo) {
// 从数据库取最近5场比赛数据
$stmt = $pdo->prepare("SELECT * FROM friendly_matches WHERE home_team = ? OR away_team = ? ORDER BY match_date DESC LIMIT 5");
$stmt->execute([$teamId, $teamId]);
$matches = $stmt->fetchAll();
$totalGoals = 0;
$goalsConceded = 0;
$count = 0;
foreach ($matches as $match) {
if ($match['home_team'] == $teamId) {
$totalGoals += $match['home_goals'];
$goalsConceded += $match['away_goals'];
} else {
$totalGoals += $match['away_goals'];
$goalsConceded += $match['home_goals'];
}
$count++;
}
// 计算联赛平均进球（2.5球/场）
$leagueAvg = 2.5;
// 进攻强度 = (球队场均进球) / (联赛场均进球)
$attackStrength = ($totalGoals / max($count, 1)) / $leagueAvg;
$defenseWeakness = ($goalsConceded / max($count, 1)) / $leagueAvg; // 这个值越大说明防守越差
return [
'attack' => $attackStrength,
'defense' => $defenseWeakness
];
}
Step 2：预测期望进球数
function predictExpectedGoals($homeTeam, $awayTeam, $pdo) {
$home = calculateTeamStrength($homeTeam, $pdo);
$away = calculateTeamStrength($awayTeam, $pdo);
// 联赛平均进球
$leagueAvg = 2.5;
// 主队预期进球 = 主队进攻强度 * 客队防守弱点 * 联赛平均进球
// 友谊赛通常主场因素小，这里加一个系数(0.9)
$homeExpected = $home['attack'] * $away['defense'] * $leagueAvg * 0.9;
// 客队预期进球
$awayExpected = $away['attack'] * $home['defense'] * $leagueAvg * 1.0;
return [$homeExpected, $awayExpected];
}
Step 3：计算比分概率（泊松分布函数）
function poissonProbability($lambda, $k) {
return (exp(-$lambda) * pow($lambda, $k)) / factorial($k);
}
function factorial($n) {
if ($n <= 1) return 1;
return $n * factorial($n-1);
}
// 预测矩阵
function predictScoreMatrix($homeExpected, $awayExpected) {
$matrix = [];
$maxGoals = 6; // 最多算到6球
for ($i = 0; $i <= $maxGoals; $i++) {
for ($j = 0; $j <= $maxGoals; $j++) {
$prob = poissonProbability($homeExpected, $i) * poissonProbability($awayExpected, $j);
$matrix[$i][$j] = $prob;
}
}
return $matrix;
}
Step 4：计算胜负平概率
function predictMatchOutcome($homeExpected, $awayExpected) {
$matrix = predictScoreMatrix($homeExpected, $awayExpected);
$homeWin = 0;
$draw = 0;
$awayWin = 0;
foreach ($matrix as $homeGoals => $row) {
foreach ($row as $awayGoals => $prob) {
if ($homeGoals > $awayGoals) {
$homeWin += $prob;
} elseif ($homeGoals == $awayGoals) {
$draw += $prob;
} else {
$awayWin += $prob;
}
}
}
return ['home_win' => $homeWin, 'draw' => $draw, 'away_win' => $awayWin];
}
方案B：简化版ELO评分（适合双方实力悬殊的友谊赛）
如果觉得泊松分布太繁琐,可以用ELO算法，它的优点是代码量小，适合快速迭代。
class ELO {
private $k_factor = 32; // 友谊赛K值可设小一些（20-25），因为结果不被看重
public function expectedScore($ratingA, $ratingB) {
return 1 / (1 + pow(10, ($ratingB - $ratingA) / 400));
}
public function updateRatings(&$ratingA, &$ratingB, $scoreA) {
// $scoreA: 1为胜，0.5平，0为负
$expectedA = $this->expectedScore($ratingA, $ratingB);
$expectedB = 1 - $expectedA;
$ratingA += $this->k_factor * ($scoreA - $expectedA);
$ratingB += $this->k_factor * ((1-$scoreA) - $expectedB);
}
}
// 使用示例
$elo = new ELO();
$teamA_rating = 1500;
$teamB_rating = 1450;
// 模拟A队赢了
$elo->updateRatings($teamA_rating, $teamB_rating, 1);
// 预测胜率
$probA = $elo->expectedScore($teamA_rating, $teamB_rating);
$probB = 1 - $probA;
第四阶段：业务逻辑与客户需求对接
在真实项目中,单纯算出胜率是不够的，你需要考虑“如何利用”，这取决于产品定位，常见需求：
- 预测盘口：根据泊松矩阵，可以算出“让球胜平负”的概率。
- 数据可视化：用
Chart.js在前端展示比分概率热力图。 - 用户竞猜：提供“该场比赛最有可能的比分”，并设置赔率。
示例代码：返回给前端的数据结构
public function getPrediction($matchId) {
// 从数据库获取对阵双方
$match = getMatchById($matchId);
// 1. 计算强度
list($homeExp, $awayExp) = predictExpectedGoals($match['home'], $match['away'], $pdo);
// 2. 生成结果
$outcome = predictMatchOutcome($homeExp, $awayExp);
// 3. 生成最可能比分
$matrix = predictScoreMatrix($homeExp, $awayExp);
// 找到概率最大的比分
$bestScore = null;
$bestProb = 0;
foreach ($matrix as $i => $row) {
foreach ($row as $j => $prob) {
if ($prob > $bestProb) {
$bestProb = $prob;
$bestScore = "$i:$j";
}
}
}
return [
'home_expect' => $homeExp,
'away_expect' => $awayExp,
'win_probability' => [
'home' => round($outcome['home_win'] * 100, 2) . '%',
'draw' => round($outcome['draw'] * 100, 2) . '%',
'away' => round($outcome['away_win'] * 100, 2) . '%',
],
'most_likely_score' => $bestScore,
'confidence' => 'medium', // 友谊赛数据太杂，建议标注“低置信度”
'warning' => '友谊赛战绩仅供参考，球队可能轮换阵容'
];
}
第五阶段：注意事项与模型优化（避坑指南）
-
友谊赛不可靠性：球队会大面积轮换，甚至不认真踢，因此权重一定要比正式比赛低（建议训练数据时，将友谊赛记录乘以
3的衰减系数），可以在数据库查询时直接LIMIT最近3-5场，别用太久远的数据。 -
对手实力修正：如果A队赢了一支排名200的队伍，不能说明A队强，建议基于二队当时的 FIFA排名 做加权修正。
-
缓存结果：预测计算是CPU密集型任务，建议用Redis缓存每场比赛的预测结果，因为历史比赛预测是不变的。
$cacheKey = "prediction:{$matchId}"; if (Redis::get($cacheKey)) { return json_decode(Redis::get($cacheKey), true); } // ... 计算逻辑 Redis::setex($cacheKey, 86400, json_encode($prediction)); -
前端展示：展示时要加上“仅供参考，不作为投注依据”的免责声明，特别是涉及真钱的项目，合规很重要。
在PHP中做预测,方案A（泊松模型） 是性价比最高的选择，你不需要懂复杂的机器学习，只要做好特征工程（进攻/防守强度计算），就能得到一个不错的BASELINE。
如果你是做游戏（手游）的“友谊赛”，那逻辑完全不同——那是基于玩家队伍数值的战斗力加减，跟体育数据无关，如果你指的是这个场景，请再补充说明，我为你定制另一套方案。
