问28预测心得：异常期号该不该剔掉，先标出来再判断

遇到尾部数据就想删掉，是很多分析走偏的起点。

28预测心得里最容易被忽略的是更新：开奖在继续，样本在移动，昨天算出来的分布今天就会变一点点。算法要按固定节奏重算，模型要定期复核权重，页面要把更新时间和样本窗口一起标出来，读者才知道自己在看哪一段。

方法第一步：先定口径

把算法步骤拆开，通常是四步：清洗记录、统计频率、计算遗漏、按区间加权。每一步都要留下中间结果，否则出了问题无法定位。28预测心得的方法页把四步分开写，是为了让读者能逐步复核。模型接在第四步之后，读取加权后的特征并输出概率。算法保证可复现，模型保证可比较，两者缺一不可。

把方法交给别人跑一遍，是最有效的验收。对方只按文档操作，不问你，能跑出同样的数字，说明口径写清楚了；跑不出来，问题多半在文档，不在数据。

样本窗口怎么切

最近100期的统计结果是：均值13.3、中位数14、标准差4.7、偏度0.24。从分桶看，中间段最厚，两端逐渐变薄，这是三个均匀数字相加的典型形态。算法在这一步只做计数和比例，模型在这一步只读取分布参数。样本量100期不算大，比例会随窗口移动，所以页面把窗口和更新时间一起标出来。

区间厚度可以用两张表交叉验证：一张按固定边界统计次数，一张按累计比例统计覆盖。两张表对不上，通常是边界定义不同。算法在做这件事时会把边界写进参数，模型读取的是同一套边界。

算法步骤拆开看

单看一个模型，很容易被某段样本的成绩误导。28预测心得的做法是把多个模型放在一起：时间序列模型看趋势，马尔可夫链模型看状态转移，神经网络模型看非线性组合，蒙特卡洛模型看随机模拟，回归模型看变量关系。每个模型输出一组概率，再按权重合成。权重不是拍脑袋，而是用样本外数据验收后确定。

算法与模型的分工，可以拆成两层：算法负责把原始记录变成特征，模型负责把特征变成概率。28预测心得常见的特征包括近50期频率、当前遗漏、区间厚度和相邻期差值；常见的模型包括时间序列、马尔可夫链、神经网络、蒙特卡洛和回归。五类模型各有假设，单模型容易在某个窗口里表现好，换个窗口就回落，所以多模型融合比单模型更稳。

哪些操作容易过拟合

过度自信往往来自一次成功。一次命中会让人记住方法、忘记概率；十次落空又会让人彻底否定方法。把每次结果都记下来，情绪才不会被单次结果牵着走。

读28预测心得的页面，建议按这个顺序：先看更新时间和样本窗口，再看分布特征，然后看概率表和准确率卡，最后才看结论性描述。算法输出和模型输出应该能相互印证；如果两者矛盾，优先检查口径，而不是急着相信其中一个。这个顺序能过滤掉大部分情绪化解读。

常见问题

如果只记住一句话：概率描述可能性，不承诺结果。28预测心得里的算法、模型和图表，都是为这句话服务的。样本更新以后，数字会变，口径不应该跟着变；口径稳定了，长期记录才有比较意义。

概率描述的是可能性，不是结果；样本量越小，概率的波动越明显。

28预测的讨论应该建立在可复核的样本上，而不是单次结果上。

把28预测当成记录方法，比当成确定答案更有用。

对普通读者来说，最实用的动作不是背结论，而是学会提问题：样本多长、窗口怎么选、概率怎么算、模型权重怎么定。问题问对了，数字才有意义；问题不问，再漂亮的图表也只是装饰。

术语一致性比术语数量更重要。同一篇文章里，概率、频率、比例应该各有明确所指；算法、模型、参数也不应该混着用。读者不需要记住所有术语，但需要知道每个数字是怎么算出来的。

复盘记录的价值，在于它保留了当时的判断。只记结果不记过程，事后很容易把运气解释成能力；把期号、参数、预测值和实际结果一起记下来，才能看出某个方法在什么条件下有效、在什么条件下失效。

读表的顺序建议固定下来：先看时间和窗口，再看均值和标准差，然后看区间厚度与概率排序，最后才看结论性描述。顺序固定以后，不同页面之间的数字才有可比性；顺序一乱，很容易把描述当成预测。

样本量决定了结论能说多满。100期可以看清分布的大致形态，但不足以证明某个比例长期稳定；30期能看近期方向，却更容易被偶然波动带偏。把样本量和比例一起报，是避免过度解读的最简单办法。

结论要有边界。页面能说的是：在这段样本、这套口径、这组参数下，分布呈现什么形态，概率排序是什么样。页面不能说的是：下一期一定会怎样。把能说的和不能说的分开，读者才不会把统计描述当成承诺。

异常值不一定要删除，但一定要标注。某一期和值落到尾部，可能是正常波动，也可能是记录口径变化；先标注、再判断，比直接平滑更稳妥。算法保留原始记录，模型不对缺失段补值，这样异常点才不会变成假信号。

长期观察的意义，不是证明某个号码会出，而是检验方法在不同样本里的稳定性。换一个窗口、换一段数据，结论是否还站得住，比单次命中更有参考价值。稳定性差的模型，即使某段成绩很漂亮，也不值得长期依赖。