第1回:競馬予測AIの作り方は「判断台帳」から──全馬の判断CSVとデータ設計
競馬予測AIは、モデルより先に「なぜその馬を選んだか」を再現できる判断台帳を作るべきです。全馬1行の判断CSVの列設計、データの置き場所、発走前オッズの保存、自動購入しないルールをまとめます。
続きを読む →HORSE RACING · DRY RUN
締切前に取得した公開情報だけで候補を記録する、閲覧専用の疑似運用です。実際の購入は行いません。
読み込み中…
直近の判断に使用したモデル・戦略を表示します。
表が収まらない場合は横にスクロールできます。
読み込み中…
オッズ取得失敗、時刻不明、締切後、鮮度不足、モデル・特徴量不足は予測せずskipとして記録します。払戻・結果は予測には使いません。ROIは精算済みの仮想購入額に対する損益の割合です。
KEIBA AI
競馬予測AIは、モデルより先に「なぜその馬を選んだか」を再現できる判断台帳を作るべきです。全馬1行の判断CSVの列設計、データの置き場所、発走前オッズの保存、自動購入しないルールをまとめます。
続きを読む →競馬AIの精度が上がらない原因が、別の馬のオッズを渡していた誤結合でした。順位相関で異常を見つける方法、pandas mergeのvalidate、発走前オッズの時点確認、禁止列の検査、時系列分割をまとめます。
続きを読む →LightGBMの二値分類で複勝圏(3着以内)に入る確率を予測し、購入条件は別の戦略として評価する方法をまとめます。validationで校正・条件選択し、testは凍結して評価します。
続きを読む →バックテストでROI 116.1%が出ても、直近の2023年が96.1%だったため競馬AIの戦略を採用しませんでした。ROI以外に確認すべき指標と、事前に決める採用基準をまとめます。
続きを読む →競馬AIを未来のレースで検証するため、締切前オッズを取得時刻付きで5分おきに収集する仕組みを、VPS・Raspberry Pi・Macの3台に分けて構築しました。設計のポイントと検証結果をまとめます。
続きを読む →