球员预测
-
选择球员后,这里会把模型结果翻译成普通用户可理解的中文说明。
完成预测后展示。
完成预测后展示。
基于模型工具的综合判断
多场景智能分析输出中心
基于当前模型预测结果生成,不替代模型判断。
-
数据与模型控制台
开发阶段系统自检与答辩展示面板。
Backend Runtime
Model Registry
Data Quality
Data Status
Agent Chat
Predictions
API Logs
Update Logs
Safe Operations
系统运行状态
数据状态
球员头像缓存
外部数据接口
模型版本状态
默认使用 v2_tuned;如加载失败,后端会自动回退旧模型。
模型评估中心
展示 v2_tuned 与 baseline 的核心指标、混淆矩阵和分类报告。
模型评估对比
同口径查看推荐默认模型、展示增强模型与 v5 泛化候选;默认上线建议优先参考 strict/draft 泛化稳定性。
模型性能对比
模型可信度说明
本项目更重视 macro-F1,而不是只看 accuracy,因为一级分类存在小类别样本不足问题,accuracy 容易被大类表现掩盖。
二级模型 accuracy 较高,但仍需要关注 macro-F1,确保每种球员画像都能被相对公平地识别。
v2_tuned 基于重建数据管线和类别不均衡优化,相比 fallback_v1 更适合作为当前主模型;fallback_v1 主要用于稳定回退。
AI 智能分析只负责表达与解释,不替代 XGBoost 模型判断。
混淆矩阵
分类报告
调优提升说明
模型摘要
更新日志
球员对比
优先选择 2022 届、三年正式窗口球员