对投注者来说，数据挖掘，是在过去的价格和结果里筛选一条值得下注的规则，然后在它从未见过的投注上检验它。Pinnacle 的一篇文章把投注模型描述为一个能识别无偏参照点、以确定所有结果概率的系统，并说它必须被检验和维护。陷阱在于数量：测试的规则足够多，其中最好的那一条看上去就像有优势。假设 250 条没有优势的规则，各自在自己的 200 笔独立投注上测试，赔率 2.00，固定投注额；最好的一条平均每笔 +19.87%（假设）。本页讲数据、变量、这个陷阱，以及在 Orbit Exchange 这样的投注交易所（betting exchange）上，一份投注记录能让您检验什么。
数据从哪里来
Pinnacle 一篇讲如何建立投注模型的文章给出了两种收集数据的办法：“自己收集，或使用网上其他已发布的数据”。范围是一个判断。同一篇文章问“您应该考虑所有比赛，还是只考虑他们的联赛比赛？”并回答说，这个决定“取决于您的目标”。所以目标在先，电子表格在后。
经纪商自己的界面，例如对账单、分析和价格历史图表，各家不同。经纪商工具页面讲了各家在屏幕上放了什么，所以这里不重复。Orbit 的界面有一个“Account Statement”（账户对账单）页面和一个“Betting Profit & Loss”（投注盈亏）页面。
谈到数据，还需要一并说明一项条件。MadMarket 和 BetInAsia 的条款，各自禁止用户使用“任何机器人、爬虫或其他自动化机制”从该服务中检索或索引信息。
选哪些变量，为什么
少一点，能解释，并检查是否漂移。
Pinnacle 的文章列出了一个循环。请把它当作一个循环来读，而不是一份严格的配方。步骤如下：
- 设定目标，因为“没有目标，您可能被数字淹没”。
- 收集数据，自己收集，或使用网上其他已发布的数据。
- 为模型选一种形式。文章的建议是：“我们的建议是不要把它搞得太复杂。”
- 列出它的假设及其局限；例如“平均数和标准差假设事件服从正态分布”，这一点必须检验。
- 检验它对结果有多敏感，并随着时间推移不断维护，因为“它需要随着时间推移而维护”。
放进哪些变量，由您决定。AsianConnect 讲用 AI 做分析的文章，列出了这类工具可以处理的数据：过往结果、球员统计、球队趋势、主客场战绩、伤病、控球、射门转化率和市场变动。AsianConnect 的另一篇文章说“控球只衡量一件事”，所以清单上的一个数字，衡量的可能比它的名字所暗示的要少。
MadMarket 提供一个泊松计算器，作为手工输入数据的模型的一个例子。您输入期望值，例如足球里的进球数，它就返回十个最可能的比分，按概率从高到低排列。它显示了一个简单的模型需要的很少，也显示了多少东西取决于您输入的数字。
数据也会过时。AsianConnect 谈到电竞时写道，游戏更新会使以前的结果“预测力更低”，历史数据应当与当前版本下的近期表现结合起来。AsianConnect 的另一篇文章说，一个赛季里最早的几场比赛是小样本。我宁愿要两个我能解释的变量，也不要十二个我解释不了的，因为这十二个，就是十二处可能让历史美化规则的地方，而一个输出追溯不到输入的模型，在它停止工作时是无法修复的。
多中选优的陷阱
为什么一场规则比赛的赢家，通常是运气。
试的规则足够多，其中总有一条看上去出色。是哪一条，是历史回答不了的问题。
按本站的说法给几个朴素的定义。“在历史上”检验，是把一条规则放到已经下过的投注上跑一遍。样本外，是把它放到它从未见过的投注上跑。过拟合，是因为一条规则在历史上表现好，就选了它。风险在于您试过的规则数量，所以请数清它们，并把失败的也留在记录里。
假设。每条规则各自在自己的 200 笔独立投注上测试，赔率 2.00（获胜概率 50%），固定投注额，没有优势。柱形是 N 条规则中最佳结果的精确期望值。
显示数据表
| 测试的规则数 | 最优一条的平均每笔回报 |
|---|---|
| 1 条规则 | 0.00% |
| 10 条规则 | +10.87% |
| 50 条规则 | +15.87% |
| 250 条规则 | +19.87% |
十条规则，都没有优势
假设您测试十条规则，各自在自己的 200 笔独立投注上，赔率 2.00，都没有优势。按这个算法，其中最好的一条平均每笔仍有 +10.87%。选中它，在接下来的 200 笔上下注，它没有任何理由重复。
Pinnacle 的资源页从其他角度描述了同样的运气。Pinnacle 资源页的一位撰稿人写道，期望值为正的投注历史，在一部分模拟中仍以亏损收场，而可能回报的范围随历史变长而收窄。一篇文章说，即使在整个赛季中，“随机性仍然会影响一支球队的最终积分”，另一篇描述了“持续数千笔投注的表现过高与过低的阶段”。Pinnacle 播客的一位嘉宾说，当模型以误差指标来评判时，您想要“大量的样本外试验”，以确保您所看到的是“具有统计显著性的”。这对您的规则意味着多少笔投注，是另一个问题，盈亏平衡路线图从这里开始，但没有给出门槛。
贴合过去，不是计划
一条贴合过去的规则，不是下一笔投注的计划，而且多数投注者最终是亏损的。本页解释如何检验一条规则，不告诉您该下注哪一条。
您自己的投注记录能让您检验什么
您自己的记录就是一个测试集，建立它不需要碰经纪商的数据。Pinnacle 的一篇文章建议我们“记录下自己的投注，并在电子表格里寻找任何奇怪的规律”。Orbit Exchange 有一个“Account Statement”（账户对账单）页面。您打算怎么下注的记录是另一份记录，由您自己保存。把您拿到的价格与收盘价格比较，是收盘价格页面的工作，本页不涉及。记录需要哪些列，多久读一次，见日常做法页面，而规则背后的概率从哪里来，讲估计公平价格的页面有讲。
Pinnacle 的一篇文章用预测的期望值与实际回报“在足够大的样本量下”贴合得多紧，来衡量一位投注者。记录就是这两者并排放着的地方，所以请在规则所涵盖的投注之前先把规则写下来，当您改动一条规则时，请重新开始计数，而不是接着旧的计数继续。
简短回答
体育投注中的回测是什么？
回测，是把一条事先写下来的规则，放到过去的价格和过去的结果上重演，看它本会怎么做。薄弱之处在价格。测试需要的是您当时下注时能拿到的赔率，而不是收盘时的赔率。Pinnacle 的一篇文章这样说明收盘价格的问题：“这是一次事后的推演；一场比赛开球之前，我们无法知道它的收盘赔率”。先写规则，只在它不是据以构建的投注上检验一次，并保留您试过的每一条规则的记录。
投注模型里的过拟合是什么？
过拟合，是因为一条规则在您眼前这段历史上表现好，就选了它。于是这条规则既带着这段历史里真实的东西，也带着这段历史的运气。“陷阱”一节的图表展示了最干净的情形：规则本身毫无优势，而许多条中最好的那一条，在挑出它的那段历史上，平均仍有正回报。到了样本外，它没有任何理由重复。