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。
大学球员搜索
大学表现
关键因素
AI 球探分析
AI analysis is currently unavailable. Coming soon.
This prediction is generated from historical NCAA, NBA Draft, and combine data for analytical and research purposes only. It does not represent an actual NBA Draft outcome.
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