预期进球（Expected Goals，简称 xG）是过去十年间足球数据分析领域最重要的发明之一。它回答了一个核心问题：一支球队根据它创造的机会质量，"应该"进多少球？

为什么射门次数不够用

传统上，我们用射门次数来衡量一支球队的进攻表现。但射门次数有明显缺陷：在禁区内单刀射门与在30米外远射，虽然都算一次射门，得分概率却天差地别。xG 正是为了解决这个问题而诞生的。

xG是如何计算的

xG 为每一次射门赋予一个0到1之间的数值，代表这次射门转化为进球的概率。计算时会考虑多个因素：射门距离球门的远近、射门角度、是用脚还是用头、射门前是否有过人或传中、进攻发起的方式等等。

举例来说：一次禁区内正对球门的近距离射门，xG 可能高达0.4（即40%的进球概率）；而一次30米外的远射，xG 可能只有0.03（3%）。把一支球队一场比赛中所有射门的 xG 相加，就得到这支球队本场的总 xG。

如何用xG理解比赛

假设一场比赛某队实际进了1球，但它的 xG 高达2.5，这说明它创造了大量高质量机会却把握不佳——这种"低效"往往难以持续，长期来看进球数会向 xG 回归。反之，如果一队进了3球但 xG 只有0.8，说明它的进球有较大的运气成分。

因此，xG 常被用来判断一支球队的表现是否"名副其实"，以及预测其未来的走势。一支长期 xG 高但积分低的球队，往往被视为有反弹潜力。

xG在AI预测中的作用

预期进球是AI预测模型的重要输入之一。相比单纯的进球数，xG 更能反映一支球队真实的进攻创造力和防守漏洞，因此能帮助模型做出更稳定的预测。当你看到AI预测某场比赛"大球概率高"时，双方的 xG 数据往往是重要依据。

xG的局限性

xG 也不是万能的。它衡量的是机会质量的平均期望，无法体现个别球星的超常发挥，也难以完全捕捉比赛的临场变化。因此，xG 应当与其他数据和观察结合使用，而非孤立地下结论。

xG 教会我们的核心理念是：足球比赛的过程质量，比单场的比分更能揭示真相。