はじめに

回収率100%超えウオオオーーーーー！！！！

失礼、取り乱しました。

前回までの話

アプローチを変えた。
レース単位で入力するのではなく、馬単位で入力した。
例えば以下の表の場合、1行1件のデータとして入力し、着順を予想させた。

着順	馬番	単勝オッズ	...
15	1	103.9	...
7	2	21.2	...
3	3	23.9	...
...	...	...	...

また、今までは1着を当てる方向で学習させていたが、掲示板入着を当てるようにした。
要は掲示板に入るか入らないかの2値分類にした。
掲示板入着を当てられれば、三連単や三連複の的中も狙えるのでお得。

学習にあたっては、XGBoostを採用した。
こういったデータに対する実績が高いから。
パラメータは以下の通り

学習データは2008年～2022年の中央競馬・芝レースに限り、1勝以上のレースのみとした。
テスト用のデータは2023年以降とし、その他条件は学習データと同じ。

単勝オッズと人気が重要なのは分かるが、なんと2走順位が重要という結果に。
前走よりも2走前の方が重要とは、どう解釈すれば良いんだ？（誰か教えて）

各種指標は以下の通り。（テストデータ）

目的変数	precision	recall	f1-score	件数
0	0.66	0.54	0.60	7,913
1	0.74	0.82	0.78	12,454

目的変数が0、つまり掲示板入着のrecallが低いのが気になるが、冒頭のとおり回収率が十分なので気にしない。
逆に板外の予測精度は高めだが、そもそもデータが偏ってるので、「とりあえず1と言っときゃいいだろ」となってる可能性は否定できない。

なお、予測精度は72%。

作ったAIが0（掲示板入着）だと判断した馬を買うシミュレーションで計算した。
仮に5頭を0だと判断した場合、単勝は5頭分の500円、三連単は5P3通りなので6,000円、三連複は5C3通りなので1,000円を賭けることになる。
それぞれ賭けて、実際のオッズで払戻金を計算した。

学習データにおいては以下の通り。

テストデータの場合は以下の通り。

どちらのデータでも、回収率が100%どころじゃないことが分かる。
これで爆勝ち間違いなしや！ｗ

良い勉強になりました。
焚き付けてくれた友人に感謝します。

今後は、今回扱っていない新馬戦やダート、地方競馬、あるいは未来のレースで試してみて、調子良さそうならweb公開とか考えてみます。