7.8 权重怎么定：等权 / 经验法 / 回归 / AI 辅助调参

这是整个第七篇最重要的一篇。有了特征之后，怎么给它们分配权重，决定你的指标是可用还是废品。

一、四个层次的权重确定方法#

二、第 1 层：等权平均#

def equal_weight(features):
    """等权平均：所有特征权重相同

    优点：简单，不会过拟合
    缺点：忽略了特征的重要性差异
    """
    if not features:
        return 0.0
    return sum(features) / len(features)

什么时候可以用：特征数量少（3 个以内）、且你确实无法判断哪个更重要时。它是一个安全的基线。

三、第 2 层：经验法#

用领域知识给出权重。核心是回答「哪个因素对结果影响更大」。

# 教学参考权重（不是球小策的生产权重）
EXPERT_WEIGHTS = {
    'attack_strength':   0.30,
    'defense_strength':  0.30,
    'squad_integrity':   0.25,
    'recent_form':       0.15,
}

def expert_weighted(features: dict, weights=None):
    """按经验权重加权求和（要求 features 已归一到 0~1）"""
    w = weights or EXPERT_WEIGHTS
    total_w = sum(w.values())
    if total_w <= 0:
        return 0.0
    score = sum(features.get(k, 0) * v for k, v in w.items())
    return score / total_w

经验法的两个陷阱#

• 权重总和不必等于 1，但必须做归一化（否则不同指标之间不可比）；
• 经验权重是你的主观判断，不一定正确——它只是起点，必须用数据验证。

四、第 3 层：回归法（推荐）#

让数据告诉你权重，而不是靠猜。

方法 A：逻辑回归（预测胜平负）#

from sklearn.linear_model import LogisticRegression
from sklearn.preprocessing import StandardScaler
import numpy as np

def fit_logistic(X, y, feature_names):
    """用逻辑回归拟合权重

    X: 特征矩阵 (n_samples, n_features)
    y: 标签 (0/1)，例如「主队是否获胜」
    """
    # 必须标准化！否则量纲大的特征会被错误地赋予高权重
    scaler = StandardScaler()
    Xs = scaler.fit_transform(X)

    model = LogisticRegression(max_iter=2000, C=0.1)   # C 越小正则化越强
    model.fit(Xs, y)

    # 系数即权重（已标准化，可直接比较）
    weights = dict(zip(feature_names, model.coef_[0].round(4)))
    # 按绝对值排序，看哪些特征更重要
    ranked = sorted(weights.items(), key=lambda kv: abs(kv), reverse=True)
    return model, scaler, ranked

# 使用示例
# model, scaler, ranked = fit_logistic(X, y, ['attack', 'defense', 'integrity', 'form'])
# for name, w in ranked:
#     print(f'{name:20s} {w:+.4f}')

方法 B：线性回归（预测连续值，如净胜球、进球数）#

from sklearn.linear_model import Ridge

def fit_ridge(X, y, feature_names, alpha=1.0):
    """岭回归：带 L2 正则的线性回归，适合特征有相关性的场景"""
    scaler = StandardScaler()
    Xs = scaler.fit_transform(X)

    model = Ridge(alpha=alpha)   # alpha 越大正则化越强
    model.fit(Xs, y)

    weights = dict(zip(feature_names, model.coef_.round(4)))
    return model, scaler, weights

为什么必须用正则化#

足球数据的特征是高度相关的。
「进攻强度」和「近期状态」往往同向变化；「防守强度」和「门将表现」也相关。
不加重正则化，回归系数会剧烈波动（多重共线性问题），训练集表现很好但样本外一塌糊涂。
正则化是防过拟合的第一道防线。

五、第 4 层：正则化 + 交叉验证（最佳实践）#

from sklearn.linear_model import LogisticRegressionCV
from sklearn.model_selection import TimeSeriesSplit

def fit_with_cv(X, y, feature_names):
    """带时间序列交叉验证的逻辑回归

    注意：必须用 TimeSeriesSplit，不能用随机 KFold！
    足球数据有时间顺序，随机切分会造成数据穿越。
    """
    scaler = StandardScaler()
    Xs = scaler.fit_transform(X)

    # 时间序列交叉验证
    tscv = TimeSeriesSplit(n_splits=5)

    model = LogisticRegressionCV(
        Cs=[0.01, 0.03, 0.1, 0.3, 1.0],   # 自动搜索最佳正则化强度
        cv=tscv,
        scoring='neg_log_loss',           # 用对数损失评估
        max_iter=3000,
    )
    model.fit(Xs, y)

    weights = dict(zip(feature_names, model.coef_[0].round(4)))
    print('最佳 C 值:', model.C_)
    return model, scaler, weights

六、四种方法对比#

七、一条最重要的经验#

先用简单方法建立基线，再看复杂方法是否真的更好。
很多人在足球数据上直接上复杂模型，结果不如等权平均——因为样本量本身就不足以支撑复杂模型。
永远先跑一个「等权基线」，把它作为你的对照标准。
如果复杂模型的样本外表现没有显著优于等权基线，那就用简单的。

八、关于「谁的权重更好」#

回到边界声明（7.1）里的核心观点：

没有「绝对正确」的权重，只有「适合你的用途」的权重。
· 做内容创作用的权重，要让你讲得清楚、有说服力；
· 做长期统计研究用的权重，要追求样本外预测力；
· 做单场深度分析用的权重，要能突出本场的特殊变量。
这些用法的权重天然不同。所以你需要自己定。

下一步该看什么#

• 如何验证你的权重确实有效 → 7.9 验证指标有效性
• 如何避免常见陷阱 → 7.10 特征工程避坑