总结近一个月的模型模拟结果和实际赛果，个人发现机器学习模型和算法模型的参考价值较高，将这两个模型的模拟结果与机构实际开出的初始数据和即时数据进行比较，分析差异性、分歧点，可以发现挺多端倪。

机器学习模型有激进的特点，对胜和负的倾向比较直接，对平的把握一般。

算法模型比较中庸保守，基本追随机构变化的大趋势，如果跟机构差异较大，那要重点分析。

1、如果这两个模型的预期都低于机构实际给到的数据且降幅较多，那说明该结果存在较多疑点，信心不足。

2、相比于机构数据，如果这两个模型的看法不同，一个高看，一个低看，那要重点分析。

3、如果这两个模型的预期与机构接近或高看，那该结果打出的概率较大。

4、在出现疑点时，就要引入其他模型、数据平台的态度进行多重比较，跟踪监测机构的态度变化趋势也是不错的思路，因为机构有很多家，难免会有差异，追随主流的变化趋势一般是值得肯定的。

长远来说，人的运气终究无法战胜大趋势、大数据，人是情绪化的动物，主观判断的盲目性、非理性是预测分析的大敌。