为什么篮球彩票算得这么准？
我们要知道，篮球游戏是以球队为竞猜对象，并且有明确的让分规则和胜负关系判定标准，因此判断比赛的胜负并没有多么复杂的算法。
其次，我们来看影响比赛结果的因素有什么。 球员因素（50%）：包括球员的个人能力、状态、体能、战术体系中位置的重要性等； 球队因素（40%）：包括球队的战术打法、人员配置、伤病情况、队内氛围等； 其他因素（10%）：包括裁判判罚尺度、场地状况等不可控制因素。 在分析了影响比赛结果的元素之后，我们就可以建立相应的模型对比赛结果进行预测了。例如我们可以引入机器学习中的分类问题，通过训练得到一个预测函数，输入任何未决的比赛可以立即得到主负结果的预测概率。
然而大多数篮球游戏平台提供的竞猜玩法不仅仅是单关，而是多关竞猜，也就是说我们需要在几场比赛的竞猜中确定最终的结果。这就涉及到了序列分析的问题。 既然问题已经提到了，我们就需要解决两个问题。一是多关竞猜，二是序列分析。
为了便于问题描述，先给出几个定义： 设G = (g(n) ) n∈N是竞猜序列，其中G表示第i天开出的竞猜结果。如果G=j，则称序列G包含项 j。我们用G[j]表示G的第i个竞猜结果第j类。那么对于每一类竞猜结果我们就可以构建一个二值化的特征向量，记作fe(G)。这样我们的任务就可以转化为找一个最好的参数向量 使得 fe(G)[i+k] = y，对于所有的 i， k， y。
一般来说，我们需要大量历史数据来完成这个训练过程。每一个新到的比赛数据都用来更新模型的参数。当模型参数更新结束后，我们就可以对新到的一组数据给出最可能的竞猜结果。 如果我们将每一场胜负结果都用0，1表示，并将每一个玩家看做独立的一个样本，那么我们可以说每一次样本中都含有 个类别，每个类别 个样本。整个样本的数量 为 个。
现在我们来讨论一下这个问题： 对每个类别构造一个由所有样本组成的矩阵，我们就可以把上面的线性方程写成矩阵的形式，再通过求解矩阵的最小二乘问题得到最佳的参数向量。这样就完成了整个建模的过程。