我强烈建议您查看 Adam Kucharski 的《完美赌注》一书。它没有提到诸如神经网络之类的技术方法，但它提供了关于人们在该领域所做的事情的良好历史（和非常好的故事）。它让您认为，为了获得更好的回报，您的目标实际上并不是做出更好的预测，而是通过考虑其他玩家的行为来选择更好的选择。如果你问为什么它不仅仅是更好的预测，答案是风险和回报总是平衡的，因为你找不到 100% 有保证的预测方式，你必须平衡风险和回报才能获得从长远来看。此外，尽管理论表明您可以通过收集所有变量来做出良好的预测，但这在实践中是不可能的。因此，

实际上，没有。

在赛狗（或赛马）中，没有明确的潜在模式可以与比赛结果相关联。有太多的变量需要记录和编码为特征。其中大部分是公众无法访问的。这包括饮食、睡眠和训练模式。此外，还有一些变量无法轻易量化，例如教练的技术、训练努力、健康史和基因。单纯的比赛成绩和年龄历史不会有太大帮助。

神经网络只能与用于表示实例的特征一样好。如果这些特征没有捕捉到与问题相关的实例的必要特征，那么学习器就不能泛化来预测现实世界的结果。