用途：从过往比赛结果估计球队或球员的潜在实力，并确保评分只反映比赛T之前的信息。适用于赛季球队实力排名、胜负或分差模型的先验、对手调整，以及特征密集型ML之前的简单基线。何时使用：用户提到Elo、power ratings或team strength，或需要NFL/NBA/MLB式Elo基线。不适用于仅需原始表单窗口、完整ML建模、验证设计或基于评分的赛季胜场模拟等场景。
主要能力：
- 顺序Elo/Glicko风格评分：适合顺序胜率建模，易于做到as-of。
- 攻防拆分评分：分别建模进攻与防守参数，可预测比分而非仅胜负。
- 最小二乘功率评分：基于赛季至今的分差，每周求解系统。
- 层次化实力模型：当球员样本量不均时使用部分池化。
- 控球模型：适用于节奏类运动。
使用方式： 安装依赖：python -m pip install pandas；Parquet输入还需pyarrow或fastparquet。 构建赛前Elo表： python /path/to/ratings-strength-models/scripts/elo_asof.py --input games.csv --out elo_asof.csv --k 20 --home-adv 65 评估基线： python /path/to/ratings-strength-models/scripts/eval_elo_baseline.py --input elo_asof.csv
输入要求：用户自有CSV、Parquet、JSON、JSONL或NDJSON，每行一场完赛，需包含season、game_date、唯一game_id、home_team、away_team、home_score、away_score，字段名可配置。order字段必须严格排序。
输出：每场两行，包含team、opponent、is_home、elo_pre、rating_diff、主场调整后的elo_diff、win_probability、actual。平局记0.5。
评估：按赛季走步式评估，报告Elo对数损失、Brier分数、准确率、固定0.5参考，以及首个赛季后仅基于先前赛季的主场胜率参考。可传入合法基线概率列做同口径比较。注意该评估器只对已构建的赛前概率评分，不是完整走步式参数调优管线。
设计参数：K因子（高K反应快但噪声大，低K更稳但适应慢，NFL/NBA起始约K=20，1500刻度）；主场优势（计算期望得分时加到主队赛前Elo上，先固定后可从数据估计）；分差（可选K乘数，用log/sqrt避免压胜主导）；均值回归/赛季回归（跨赛季向均值回归，对长面板和阵容更替重要）；初始化（常见全队1500，须明确报告）。
评估指标：走步式对数损失/Brier（基于评分差的胜率）、预测分差的MAE。必须与常数基线、仅主场模型、表单逻辑回归基线比较。
限制：必须as-of only，绝不能用赛后评分预测该场；更新顺序须符合真实时间线；不可反复在最终测试赛季拟合K而无嵌套验证；须报告初始化和刻度；不能将评分当作因果球员质量；每个评分声明须注明运动、赛季、事件顺序和参数；只附带顺序Elo构建和评分脚本，Glicko、攻防、最小二乘、层次化、分差、控球等模型是方法说明，需要另外编码。