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

公開: 2026-07-07 / koei-ai 編集部

「AIが予想します」という言葉だけでは、中で何が起きているのか分かりません。koei-ai はモデルの中身を透明に開示する方針です。このページでは、確率がどう作られているかを工程順に説明します。

1. 入力 — 公開データだけを使う

学習に使うのは各競技の公開データ(番組表・成績・確定払戻など)です。競艇なら公式にダウンロードできる番組表・競走成績ファイル、競馬なら正規ライセンス経由のデータ提供サービスを利用します。非公開情報やインサイダー的な情報は使いません(そもそも存在を仮定しません)。

2. 特徴量 — 「選手・機材・条件」を数値に変換する

生データはそのままでは学習できないため、レース単位・出走者単位の特徴量に変換します。競艇の例:

どの特徴量を使っているかは、モデルの根拠表示としてユーザーにも開示します。

3. 学習 — 勾配ブースティング決定木

モデル本体は LightGBM(勾配ブースティング決定木)です。ニューラルネットではなく決定木ベースを選ぶ理由:

• 表形式データ(選手×レース条件)では現在も最有力の手法であること
• 欠損値(馬体重未発表など)をそのまま扱えること
• 特徴量の寄与を検証しやすく、透明性の方針と相性がいいこと

出力は各出走者の「1着確率」です。学習は週次で回し、直近データを取り込んでモデルを更新します。

4. リーク防止 — 「その時点で知り得た情報」だけで学習する

予測モデルの典型的な失敗が未来リーク(データリーケージ)です。例えば「ある選手の6月の勝率」を5月のレースの特徴量に使ってしまうと、学習時の成績は見かけ上良くなりますが、本番では再現しません。

5. 評価 — log lossとedge

モデルの精度は、確率予測の標準指標である log loss で毎日検証します。そして最終的な採用判定は、市場(オッズ)との比較指標 edge だけで行います。的中率や回収率シミュレーションでモデルの採否を決めることはありません。

6. 継続改善 — 週次のPDCA

モデルは作って終わりではありません。毎週、特徴量の仮説を1つ立てて実験し、edge が改善したものだけを採用、悪化したものは記録を残して棄却する — この改善ループ自体を運用として自動化しています。うまくいかなかった実験も記録として残すのが方針です。