ガイド — 公営競技×データ分析の教科書
勘や経験談ではなく、データと確率の言葉で公営競技を読み解くための解説集です。予想や買い目は扱いません — 扱うのは「考え方」と「検証の作法」です。
基礎: オッズと確率
- FUNDAMENTALS
パリミュチュエル方式とは — オッズが「投票の集計」で決まるということブックメーカー方式との違い、締切直前までオッズが動く理由、市場としての性質。
- FUNDAMENTALS
控除率とオーバーラウンド — 期待値の出発点はマイナスから競艇・競輪・競馬の控除率、暗黙確率の合計が100%を超える理由、正規化の方法。
- FUNDAMENTALS
公営競技のデータの読み方 — 競艇・競輪・競馬の構造とオッズの意味3競技の構造差、番組表と成績データの種類、分析対象としての性質の違い。
モデルと評価
- MODEL
AIはどうやって1着確率を出すのか — 特徴量・学習・リーク防止の仕組みLightGBM、特徴量設計、as-of集計、週次再学習。koei-aiのモデルの中身を透明に。
- MODEL
edgeとは何か — 「当たったか」ではなく「市場よりどれだけ正確か」を測る暗黙確率との比較、log loss差分としてのedge、なぜ的中率で評価しないのか。
- MODEL
log lossとは — 確率予想の「正直さ」を採点する方法的中率では測れないもの、自信過剰へのペナルティ、具体例で理解する対数損失。
- MODEL
未来リークとは — 予想AIの成績が「作られる」最もよくある仕組みバックテストが本番で再現しない理由の筆頭。as-of設計と時系列分割の作法。
視点: 競技とサービスの見方
- PERSPECTIVE
競艇の1コースはなぜ強いのか — 構造がつくる偏りと、市場の織り込みイン優位の物理的な理由、公開統計の読み方、「強い=儲かる」ではない理由。
- PERSPECTIVE
AI予想サービスの見分け方 — 透明性チェックリスト検証方法を開示しているか、保証を謳っていないか。誇大広告を避けるための7項目。
実践: 競艇AI予想の読み方
- KYOTEI
競艇AI予想の仕組み — 1着確率はどう計算されるのか専門用語を使わない入門編。使うデータ、確率と予想の違い、オッズ比較の重要性。
- KYOTEI
競艇の期待値の計算方法 — オッズと確率の具体例期待値の計算式と具体例、確率の見積もり方、edgeとの違い。
- KYOTEI
競艇予想、回収率を上げる考え方 — 的中率との違いと資金管理的中率と回収率の違い、資金管理の基本、短期の結果に振り回されない考え方。
確率・統計評価を学ぶ
- STATISTICS
Brier scoreとは?3クラスの確率予測を手計算して評価の意味を確かめるBrier scoreは、予測した確率と実際の結果とのずれを二乗して平均する指標です。
- STATISTICS
ECE(校正誤差)を手計算する:ビンの切り方で数値が変わる8件の演習ECEは、予測の自信と実際の正解割合のずれを、確率の区間ごとに集計する指標です。
- STATISTICS
TimeSeriesSplitで時系列交差検証する:gapを入れた12行の分割を読む時間順に増えるデータを評価するなら、「過去から学び、その後のデータで確かめる」分割が必要です。
- STATISTICS
欠損値の補完でリークする理由:平均値が20から40に変わる教材で確認欠損値を平均で埋める作業にも、評価データの情報が入り込む可能性があります。
- STATISTICS
データドリフトとコンセプトドリフトの違い:文書分類の3つの変化を切り分ける入力の分布が変わることと、同じ入力に対する正解の関係が変わることは別です。
- STATISTICS
モデルカードの作り方:文書分類AIの用途・評価・限界を一枚にまとめるモデルカードは、モデルの目的、評価した条件、使う際の限界を読み手に伝える文書です。
- STATISTICS
random_stateを固定しても再現しない?行順・データ版・実行環境を分けて確認するrandom_stateは、scikit-learnなどの処理で乱数を制御するための引数です。
- STATISTICS
機械学習のベースライン評価:正解率80%でも見落とす文書分類の例ベースラインは、複雑なモデルを比較するための単純な基準です。
- STATISTICS
Platt scalingとisotonicの違い:確率を校正する形とデータの分け方Platt scalingとisotonicは、分類モデルの出力を確率として校正する方法です。
koei-ai は、確率とその根拠、市場との差(edge)の公開を目指す分析ツールです。
会員(¥500/月)