資料缺欄同額外欄位,點樣分類先公平?
賽馬資料缺欄與額外欄位,點樣分類先公平,重點是把同一場、同一個字段及同一個時間版本放在一起看。本文只討論可復核的資料,並交代何時不能下結論。
空白不一定等於缺失
先查官方當刻是否已公布該欄,以及該欄對這匹馬是否適用。未公布、後備馬不適用、網頁載入失敗與第三方真正缺欄,應分開標示;否則缺失統計會被無效樣本放大。
這類問題要先固定比較單位、時間與分類規則,然後才討論百分比或差異。方法若在看完結果後才修改,容易把不利樣本排走,令報告失去可重算性。本文以公開賽事資料為例,說明可執行的判斷順序。
同一場賽事的資料可能來自排位、即時變動、賽果或其後修訂。核對前先拆出字段、時間點、馬匹或場次身份,再決定哪份官方資料適合作基準;不能把不同用途的頁面當作同一版。
同一個詞在排位、即時頁、賽果頁與歷史紀錄中可能指向不同版本。核對前要寫清楚這篇文章只處理哪一欄,其他相近欄位作為背景,不進入同一個結論。看到新舊值不同時,應先查正式公布與頁面時間,再決定是否值得開立差異個案。
字段邊界:先守住同場、同欄、同版本
官方基準與被評測頁各保留一份當時版本;未保存原值的部分不作量化結論。
最常見的假差異來自不同賽馬日、不同場次、不同欄位定義或不同截取時間。若只憑兩張截圖上數字不同便計作錯誤,統計結果會比真實資料質素差,亦無法讓讀者覆核。
若賽馬資料出現一個不尋常值,可由身份倒查:先看馬號是否屬這一場,再看馬名或官方馬匹識別資料,最後查字段單位。這三步有次序,因為一旦配對到另一匹馬,後面的數字即使看似合理也沒有核對意義。身份仍有疑點的那一行,應列待核,而不是以鄰近行的數字補上。
閱讀本站賽馬資料相關頁時,也應先看資料的日期與場次;它可協助定位字段,不能替代官方版本作最終判準。
核對賽馬日與場次,可從香港賽馬會官方賽事資料開始;再按本題字段找適用的排位、賽果或公告版本。官方頁若有其後更新,應把首次讀到的版本與重查版本一同保存。
賽馬資料點樣逐項核對?
開始前先寫研究問題與排除規則,列出官方基準、字段定義、抓取時間及負責記錄的人。每一條觀察都保留原值和標準化值,並給唯一索引,方便日後從彙總數字追到原始頁面。兩個來源若時間或口徑不同,就停在「不可比較」而不是繼續算比例;需要第二人複核時,讓複核者先看原始證據,不先看第一人的結論。
若網頁重整後才出現資料,要保存第一次及重查兩張快照。只有在官方已公布、字段適用且被評測頁於可比時間仍缺欄時,才適合把個案列入缺失。
遇到空白欄,先分清官方尚未公布、該馬不適用、網站載入未完成,以及頁面真的欠缺資料。這四種狀態在畫面上可能都只見到一格空白,卻會導向不同分類。尤其是臨場改動之後,應保留官方公告時點及同一頁的重查畫面,才可判斷缺失是否持續。
賽馬資料對照表:原值與版本應留邊幾欄?
下表列的是記錄規則,不是未經核對的實測數字。
| 核對欄 | 要保存的內容 | 官方基準 | 判斷前先問 | 常見分類 |
|---|---|---|---|---|
| 身份 | 賽馬日、馬場、場次及對象 | 官方排位表、賽果表及相關公告 | 是否同一場及同一匹馬? | 可配對/不可比較 |
| 賽馬資料 | 頁面原值及字段名稱 | 同場同版官方原值 | 名稱、單位和定義相同嗎? | 完全一致/標準化一致/差異 |
| 時間 | 抓取、公告和重查時間 | 官方公布或修訂時間 | 兩份資料是否同一時點? | 可比較/延遲/證據不足 |
| 結論 | 差異原因及證據索引 | 官方最終或適用版本 | 有沒有官方其後修訂? | 缺失/官方修訂/待核 |

賽馬資料有差異,先排除邊幾種情況?
把賽馬資料寫入公開報告時,最有用的不是一句『吻合』,而是一行能重做的記錄:官方字段、被評測頁字段、兩邊原值、香港時間、分類和證據索引。若篇幅不容逐行列出,可提供明細表的編號與計算規則;只有總百分比而沒有分子、分母,讀者無法判斷排除項是否合理。
可比較字段的比例,應以完全一致加標準化一致作分子、同口徑可核字段作分母。缺失如何入分母須在方法頁預先定義;更新延遲應獨立統計,不自動算成錯誤。官方修訂、抓取失敗與證據不足先另外列數,不為了令結果好看而從表中刪掉。
原值與標準化值應放在兩欄。前者保留頁面當時實際顯示,後者只處理已訂明的全半角、空格或名稱縮寫。若涉及磅數、秒數或金額,還須保存單位、精度和轉換公式;不可為了令兩邊相同而在看過結果後調整四捨五入規則。
把每項資料寫成一行,包括當時原值、官方值、兩個截取時間、分類和備註。看不清來源與版本的項目先列為證據不足,待重查後再更新,而不是為了湊分母硬給結論。
比較報告時一併查看樣本邊界、排除項和字段分母,避免把單場觀察當作長期結果。
賽馬資料核對的結論可以去到邊?
- 只有字段定義、同場身份與時間都確定,才可將觀察放進可比較分母。
- 沒有完整前後快照時,不宣稱更新用了幾分鐘;官方其後修訂須另列版本。
- 頁面空白、資料未公布、後備或不適用狀態,不能一概算成資料缺失。
- 本篇說明的是賽馬資料核對口徑,不能外推整站準確率或賽馬結果。
若要延伸這個題目,可連同分子、分母及樣本期閱讀本站的賽馬結果。單場字段核對與長期走勢是不同層次的結論,相關頁面也應按各自的樣本範圍解讀。
賽馬資料核對常見疑問
賽馬資料與官方記錄不同時,應先看甚麼?
先確認身份、字段、原值、官方值、時間與分類,再把原始頁面與官方同場版本並列。若身份、字段或時間任何一項不明,差異應先列待核,不宜直接計作錯誤。
分類規則可否看完結果才改?
如需修改,應保留原規則、修改原因與重算版本,並讓所有樣本按新規則重跑。只為某個個案臨時放寬規則,結果無法公平比較。
如果賽馬資料暫時無法核實,應怎樣寫結論?
方法文章提供的是判準,不等於某網站已達到任何準確率。真正的評測結論要另附樣本期、原始值、時間線與差異個案,才能讓讀者逐項覆核。 缺少的資料要具體列出,補齊後再公開更新分類,並保留原版紀錄。
再核對另一類資料
不要把賽馬資料與其他字段混成一個結論;下一步可從同場原始記錄開始。