网球模型的评估，取决于如何按时间划分数据

如果模型要预测未来的比赛，就应该用较早的信息训练，再用较晚的比赛测试。同一场比赛的所有得分记录必须属于同一个数据分区。按时间划分只是起点，它本身不能证明每个特征在预测时已经可用。

先定义预测时点

选择模型之前，先明确要预测什么，以及何时预测。赛前模型与每个得分结束后更新的模型，可使用的信息不同。

在赛前预测示例中，最终比赛结果是标签。球员统计数据只有在预测之前已经可获得时，才可以作为输入。最终比赛统计虽然出现在历史记录中，但不能因此成为赛前特征。

预处理也遵循同样的原则。缺失值填补、缩放和特征选择都只能在训练分区上拟合，再应用到后续分区。scikit-learn 的数据泄漏指南说明了为什么在完整数据集上拟合这些变换会污染评估。

按时间划分，并保持比赛完整

要评估未来表现，应保留较晚的一段时间用于验证，再保留更晚的一段时间用于最终测试。不要依据最终测试结果选择模型参数。

如果数据表每行代表一个得分，应先划分比赛表，再把分区标签关联到每个得分。随机分配得分可能把同一场比赛的不同部分同时放入训练集和测试集。

对于时间重叠的比赛，应采用保守边界：下一分区首次预测发生之前，训练标签必须已经确定。如果比赛持续到截止时间之后，只看开赛日期是不够的。

更高的分数可能回答了错误的问题

比较两个准确率之前，先检查划分方式、样本和可用输入。不恰当划分得到的高分，可能衡量的是另一种任务，而不是预测未来比赛。

这张图不能证明按时间评估总会降低准确率。真正有用的问题是：实验是否代表了预期部署条件？

让评估可以复现

记录预测时点、时间边界、特征可用性规则和排除条件。下面是示意性规范，不是 API 请求，也不是已发布的数据集合同。

task: pre_match_outcome
partition_unit: match
ordering: prediction_time
training_labels_known_before: validation_start
preprocessing_fit_on: training_only
final_test_used_for_tuning: false
feature_availability: checked_at_prediction_time

样本允许时，应使用多个时间窗口。scikit-learn 的交叉验证文档介绍了按时间排序的评估。网球得分数据还需要按比赛分组；直接对行使用时间划分工具不能代替比赛边界。

这种评估不能证明什么

谨慎划分不能证明覆盖完整、实时输入可靠，或历史可用时间戳准确。这些都需要单独的证据。事后修正的数据可能与当时能观察到的信息不同。

概率校准与分类准确率也回答不同的问题。应选择符合任务的指标，说明定义，并在相同的合格样本上比较方法。

让证据与结果放在一起

发布足够的背景，让其他研究者理解测试内容。链接来源文档，解释缺失数据，并在示例出现的位置标明合成数据。如果假设改变，应更新文章及修改日期。

产品的数据边界请参阅覆盖页面，集成细节请参阅 API 文档。

来源

• scikit-learn：数据泄漏与推荐做法
• scikit-learn：时间序列的交叉验证

来源核查日期：2026 年 10 月 4 日。按比赛分组的建议是这些原则在网球数据中的应用，并非实测实验。