定位：面向 KPL 赛事的实时数据分析系统（可演进为「KPL 数据中心」）
能力：赛程监控 · 实时胜率预测 · 关键事件识别 · 战队/赛局复盘 · 数据健康中控
技术：Python · pandas · scikit-learn · Plotly · Streamlit
数据：腾讯 KPL 公开赛事接口（赛程 / 对局 / 局内快照）
端到端的赛事智能分析链路：
官方赛程 API
→ 自动识别 match_id / battle_id
→ 实时采集局内快照
→ 统一 FeatureBuilder 生成特征
→ V11 胜率模型预测
→ Dashboard：实时中控 / 历史复盘 / 战队分析 / 数据健康
适用场景：
- 解说辅助：当前哪队赢面更大，主要依据是什么
- 导播支持：胜率大幅波动或关键资源节点时的数据面板
- 赛后复盘：转折点、资源控制、经济节奏、翻盘窗口
- 数据运营：战队对比、赛局战报、位置表现素材
| 模块 | 路径 | 说明 |
|---|---|---|
| 官方核心层 | scripts/kpl_official_core.py |
赛程、快照解析、特征、预测、复盘、健康报告 |
| 赛程归档 | scripts/build_schedule_archive.py |
跨赛季赛程索引 |
| 自动守护 | scripts/auto_schedule_daemon.py |
刷新赛程、等待开赛、实时采集 |
| 历史回补 | scripts/backfill_history.py |
按赛程批量回补对局 |
| 模型训练 | scripts/train_realtime_model_v9.py |
clean 真实优先 + 因果特征 + 分阶段模型 |
| 诚实回测 | scripts/backtest_realtime_v9.py |
holdout 分阶段 Brier / ECE + 验收门禁 |
| 自动监控 | scripts/official_match_monitor.py |
识别对局、落盘快照与预测 |
| Dashboard | scripts/dashboard.py |
赛事中心 / 实时中控 / 复盘 / 战队 / 数据面板 |
训练与线上共用同一套 FeatureBuilder（因果、可解释）：
| 模块 | 代表特征 | 含义 |
|---|---|---|
| 基础优势 | gold_ratio、kill_rate、tower_diff |
当前谁领先 |
| 节奏动量 | tempo_swing_score、gold_diff_accel |
优势是否扩大 |
| 滚动窗口 | gold_diff_roll4* |
近窗经济节奏 |
| 地图资源 | objective_value_score |
暴君 / 先知 / 暗影 / 风暴 / 塔 |
| 位置对位 | gold_diff_*、kill_diff_jungle/adc |
核心位表现 |
| 核心发育 | carry_dominance、hurt_conc_diff |
双 C 与输出结构 |
| 战队先验 | team_winrate_diff |
开赛前历史胜率（无泄漏） |
pip install -r requirements.txt
# 训练 / 回测
python scripts/train_realtime_model_v9.py
python scripts/backtest_realtime_v9.py --gates
# 监控采集
python scripts/official_match_monitor.py --interval 15
# Dashboard
streamlit run scripts/dashboard.pyDashboard 默认：http://localhost:8501
| 页面 | 能力 |
|---|---|
| 赛事中心 | 赛程、比赛 ID、本地已采集 BO |
| 实时中控 | 胜率曲线、经济/击杀/推塔、领先原因 |
| 历史复盘 | 按赛段/战队/赛局下钻 |
| 战队分析 | 胜率、经济差、推塔差、雷达与趋势 |
| 数据面板 | 模型版本、快照质量、监控状态 |
- 主指标：clean 真实局 holdout 的 early / mid / late Brier、ECE、方向正确率（不以混合 AUC 为主）
- 数据分层：
raw_snapshots入库 →datasets/clean|quarantine；训练与回测默认 clean - 线上兜底：金差一致性护栏，避免「经济明显落后却报高胜率」
Holdout 结果（V11，2026-07-20）
| 阶段 | Brier | Acc |
|---|---|---|
| early (≤8′) | 0.057 | 0.94 |
| mid (9–15′) | 0.036 | 0.96 |
| all | 0.049 | 0.94 |
模型产物：output/models/v9_official_platform.joblib（本地训练生成，仓库不收录大文件）
| 模块 | 工具 |
|---|---|
| 接口与采集 | requests |
| 数据处理 | pandas、numpy |
| 建模 | scikit-learn |
| 可视化 | plotly、matplotlib |
| 产品界面 | streamlit |
- 大体积快照、模型权重已由
.gitignore排除，仓库以代码 + 文档 + 指标样例为主 - 本地采集数据后即可完整复现训练、回测与 Dashboard
当前线上模型：V11（artifact：v9_official_platform.joblib）
| 版本 | 日期 | 更新内容 |
|---|---|---|
| V11 | 2026-07-20 | clean 数据集分层；因果特征（roll/动量/分路等）；Early RF + Midlate Voting；特征消融与模型选型；5–7′ 轻度金差护栏；holdout early Brier ≈0.057 / all ≈0.049，gates 通过 |
| V10 | 2026-07 | 坏局诊断与金差一致性护栏（≥8′）；拐点/战报；midlate 校准择优；特殊局验收门禁 |
| V9 | 2026-07 | 官方平台统一 FeatureBuilder；真实优先训练 + 因果战队先验；分阶段 early/midlate 混合预测 |
| V8 | 2026-06 | 增强型实时特征与 stacking/集成探索 |
| V7 | 2026-06 | 实时 stacking 与校准迭代 |
| V6 | 2026-06 | 实时校准版投票/融合基线 |
| V5 | 2026-05 | Streamlit Dashboard 演示闭环 |
| V4 | 2026-05 | 赛中时间切片实时胜率建模 |
| V3 | 2026-05 | 赛中快照采集链路 |
| V2 | 2026-05 | BP 后赛前特征增强 |
| V1 | 2026-05 | 赛后/赛前基线建模与接口探索 |
数据来源：腾讯 KPL 公开赛事接口（prod.comp.smoba.qq.com）