这与体育预测（板球）有关。我是机器学习的新手，并通过 TensorFlow 学习它。

我只关注一个主题，即“Player A今天的比赛将得分多少？”

我的原始数据包括所有板球运动员在所有比赛中的得分。它还包括更精细的细节，例如比赛发生的场地、昼夜比赛、对手球队等，我需要使用这些数据并预测球员得分的四个可能范围，所有 4 个范围具有相等的概率。

我打算从 4 个简单FeatureColumn的开始：

• 给定球员在过去 10 场比赛中的平均跑动次数（相对于正在训练的比赛）
• 击球顺序（1到10）（正在训练的比赛中）
• 自首次亮相以来的平均跑步次数（相对于正在训练的比赛）
• 平均数 过去 10 场比赛中面对的球数（相对于正在训练的比赛）

我的实际输出将是该球员在正在训练的比赛中的得分。

我可以考虑一名球员最近的 100 场比赛来进行这项训练。

来自 TensorFlow 的本教程https://www.tensorflow.org/tutorials/wide似乎与我正在接近的内容相匹配。但最终的输出是一个二进制值（无论薪水是否>50K）。但是我需要生成具有给定玩家运行概率的输出。例如。

Run     | Probability of getting this run
-----------------------------------------
0 runs  :  0.01
1 run   :  0.01
2 runs  :  0.02
....
13 runs :  0.5
14 runs :  0.04
....
56 runs :  0.08
57 runs :  0.03
....

概率之和应加起来为 1。然后我将所有这些值分组为 4 个范围，每个范围具有相等的概率（每个范围为 0.25），如下所示：

我可以使用哪种方法来解决这个问题？我阅读了线性回归，这似乎最适合我，但我不清楚如何生成所有可能结果的概率。