使用机器学习模型Machine Learning model猜测比赛成果，概率为模型主动生成，仅供文娱参阅。首要思路为以组织给出的均匀胜率指数为根底，与模型模拟的概率进行比较，剖析差异性、不合点。模型模拟是一种考究大概率成果的数学猜测，是客观的数据，归纳点评归于个人片面解读。现在引进4种数学模型进行比较，首要原理是机器学习、泊松散布、神经网络等理论，一起引进一个国外数据渠道的数据作为参阅。

　　归纳点评（片面剖析）：各单位的指数分解不明显。组织在稍微调高对多特的等待，推进输赢双分。机器学习、算法模型均略看好一点多特，但分解不明显，美因茨拉力较多。指数模型以为两队实力挨近、相持不下。神经网络模型略示好美因茨。国外数据渠道以为主队不败。

　　个人感觉各单位的情绪有不合，对多特的决心如同一般，低于片面预期，美因茨存在较大拉力。指数分解程度较低，全体趋势是分输赢

　　归纳点评（片面剖析）：各单位整体以为两队实力挨近、难以分解。组织在稍微调高对法兰克福的等待。弗莱堡坐镇主场却退让乏力，整体倾向是法兰克福不败。个人感觉或许平局打出概率较大。

　　归纳点评（片面剖析）：各单位整体看好勒沃库森有优势胜出，平局存在必定概率。

　　归纳点评（片面剖析）：各单位以为两队实力距离不大、相持不下。组织形势为324，改变趋势为调高对门兴的等待。其他模型形势为333，难以分解。

　　归纳点评（片面剖析）：各单位以为两队实力距离不大、很难分解。组织改变趋势为调高对柏林联合的等待。