RESEARCH ARCHIVE
これまでの検証記録
予測・特徴量・市場・回収率に直結する記録を先に表示し、基盤・運用記録も検索できます。
RESEARCH FIRST
研究に直結する記録から読む。
すべての履歴は残したまま、読者が追いやすい順に並べています。
馬体重・斤量・身体条件の特徴量価値を検証する
記事を読む →馬ごとの直接確率ではなくA馬対B馬の先着関係を学習し、Pairwise RankingでROI100の突破口があるか実測する
記事を読む →5モデルの予測一致度で買うレースを選ぶ第2Selective Betting実験
記事を読む →能力・順位・展開・コース・馬場の異なる専門モデルを少数合議し、単独モデルでは拾えないROI100余地をWalk-Forwardで実測する
記事を読む →Final Holdoutはまだ開かず、Development期間だけでROI100候補探索を組合せ・購入条件まで拡張する
記事を読む →Development期間だけで回収率候補を探索し、封印Holdoutを開く前にChampionを1本へ絞る
記事を読む →結果を見る前に未使用Holdoutと回収率評価ルールを固定する
記事を読む →競馬AIの予測確率を3方式で補正。最終的にPlatt Scalingを選んだ理由
記事を読む →競走能力水準特徴量の増分価値を検証する
記事を読む →現行AIが得意なレースだけを選ぶSelective BettingでROI改善余地を検証する
記事を読む →現実的な市場・購入条件をシミュレーションする
記事を読む →特徴量Championと追加研究の飽和を判定する
記事を読む →市場確率との比較からBet Decisionまでの接続を監査する
記事を読む →実運用で確率校正・市場影響・運用品質を検証する
記事を読む →回収率100%超を狙う市場価格戦略と検証ルールを先に固定する
記事を読む →予測勝率を確率校正する
記事を読む →予測とFair Oddsの改変不能Snapshotを保存する
記事を読む →レース展開を予測に加えたら競馬AIの成績は変わるのか？
記事を読む →Final Holdoutは開かず、各期間で十分な購入数を確保できるROI100候補だけを時系列で再探索する
記事を読む →Final Holdoutは開かず、Development期間だけで時系列安定性をさらに強化してROI100候補を再探索する
記事を読む →Final HoldoutでREJECTとなったChampionを分析し、次の研究をForward専用へ切り替える
記事を読む →Fair Oddsと市場価格の乖離を分析する
記事を読む →Champion確率モデルを決定する
記事を読む →開発探索・特徴量選抜・最終Holdout利用ルールを固定する
記事を読む →過去データを再構築Replayし、Strict Forwardとは別証拠として特徴量の利用可能性を実測する
記事を読む →買うレースを選ぶ判断層とセグメント別の強みを、新しい未使用Evidenceで検証する
記事を読む →認証済みの前日情報だけから特徴量を正本Producerでまとめて再生成し、再現可能なFeature Universeを作り直す
記事を読む →表タスク専用の特徴量正本化と前日True Forward生成基盤を構築する
記事を読む →競馬AI、信号が強いレースだけに絞っても回収率100%には届かず。PIT-safe再検証で4ルール昇格なし
記事を読む →期間ごとのベット数と回収率の最低条件を入れ、時系列で崩れにくい候補をDevelopmentだけで探す
記事を読む →前日予測のForward Validationを正式認証する
記事を読む →前日23時特徴量スナップショットのPIT・系譜・リーケージを検証する
記事を読む →前日23時特徴量スナップショットのPIT・系譜・リーケージを検証する
記事を読む →出馬表時点True Forward特徴量を実データで認証し、正本Registry基準でGapを再監査する
記事を読む →ROI100研究を正式リセットし、開発期間と完全封印Final Holdoutを先に固定する
記事を読む →Phase 14の特徴量探索・再現性・昇格条件を最終認証する
記事を読む →Forward期間の確率品質と校正を評価する
記事を読む →Final Holdoutは開かず、Development期間だけでROI100探索をさらに拡張する
記事を読む →Developmentで固定したChampionを凍結し、Final Holdoutを一度だけ開いて最終評価する
記事を読む →過去データを再構築し、本番同等データとは分けて特徴量を確かめるべきなのか？
記事を読む →近走成績特徴量の増分価値を検証する
記事を読む →距離・コース・馬場特徴量の増分価値を検証する
記事を読む →購入戦略Championを正式認証する
記事を読む →評価指標・統計検証
記事を読む →評価指標・統計検証
記事を読む →血統特徴量の増分価値を検証する
記事を読む →競馬AIの精度が伸びない原因を特徴量から洗い直し、次に追加する情報を絞る
記事を読む →競馬AIの特徴量候補127件、本当にそのまま使える？ 18件は根拠待ちで保留
記事を読む →競馬AIの特徴量18件、前日から本当に使える？ 「データベースにある」だけでは採用しない
記事を読む →競馬AIの特徴量114個を4年で1つずつ検証。最終的に96個へ絞った理由
記事を読む →競馬AIで予測1位を毎レース買えばいい？ 4年検証で分かったこと
記事を読む →競馬AI、前日情報だけの4ルールを検証。高的中率でも回収率100%には届かず
記事を読む →競馬AI、予測モデルをいったん固定。次は本当に「買う価値」を見るべきなのか？
記事を読む →確率校正手法を比較する
記事を読む →確率校正と不確実性を評価する
記事を読む →確率・順位・不確実性の出力仕様を定義する
記事を読む →確定結果・払戻を予測Snapshotへ結合する
記事を読む →特徴量間Interactionの増分価値を検証する
記事を読む →特徴量生成パイプライン
記事を読む →特徴量セットとアブレーション検証基盤を作る
記事を読む →特徴量ストアの版管理・キャッシュ・再開・スキーマ進化を設計する
記事を読む →特徴量のアブレーション・重複・組み合わせ効果を検証する
記事を読む →欠損そのものを表す特徴量の価値を検証する
記事を読む →校正勝率からFair Oddsを生成する
記事を読む →枠順・馬番の文脈依存効果を特徴量として検証する
記事を読む →未使用Final Holdoutで最終認証する
記事を読む →最小Baseline特徴量セットを確定する
記事を読む →最初の実候補を未使用Holdoutで測り、採用・保留・棄却を決める
記事を読む →時系列分割・未見Holdout固定
記事を読む →既存特徴量と派生データを監査する
記事を読む →復旧した出馬情報を正規化し、レース・馬・騎手などのID整合と欠損理由を確定する
記事を読む →復旧したデータと特徴量を最終監査し、どこまでが学習・検証に使えるかを固定してモデル検証へ戻る
記事を読む →市場情報を利用するChallengerモデルを検証する
記事を読む →市場価格との比較と価値判断ルールを定義する
記事を読む →市場価格との比較と価値判断ルールを定義する
記事を読む →市場データの利用可能時点とSnapshotルールを確定する
記事を読む →市場オッズからImplied Probability基準を構築する
記事を読む →市場の誤評価Edgeを正式認証する
記事を読む →市場Biasを条件別に検証する
記事を読む →実験Registryと特徴量Familyの研究統治を構築する
記事を読む →基準となる確率モデルを構築する
記事を読む →固定したROI100戦略に従ってCandidate 002を実経済評価する
記事を読む →回収率100%超を目指す検証フェーズを正式に始める
記事を読む →単勝勝率とレース内確率の正式定義を固定する
記事を読む →前日情報だけの4ルールを検証。高的中率でも回収率100%には届かず
記事を読む →前日予測をShadow運用する
記事を読む →前日23時基準の予測Runnerを構築する
記事を読む →前日23時の購入方針を固定したまま、新しい未使用Holdoutを前向きに蓄積する
記事を読む →券種と市場価格の表現方法を定義する
記事を読む →公開情報の元データと特徴量候補を全期間監査する
記事を読む →公開情報から作れる特徴量候補を全棚卸しし、実生成へ進める範囲を固定
記事を読む →予測対象レースと特殊結果のラベル方針を定める
記事を読む →予測単位と予測対象を定義する
記事を読む →予測ライフサイクル全体が実際にどこまで接続されているか監査する
記事を読む →予測モデルが悪いのか、買い方が悪いのか？ 競馬AIの信号を再診断
記事を読む →不足する過去データを補完し特徴量供給を正本化する
記事を読む →不足する元データを必要範囲だけ補完し、公開情報から作れる特徴量範囲を全期間で認証する
記事を読む →ローテーション・休養・季節性の特徴量価値を検証する
記事を読む →モデル・特徴量を比較して採用候補を決める
記事を読む →ペース・脚質特徴量の増分価値を検証する
記事を読む →タイム・スピード特徴量の増分価値を検証する
記事を読む →keiba.dbのデータ供給元と特徴量利用候補を棚卸しする
記事を読む →Web全体を前日情報だけで勝率・適正オッズ・市場の過小評価を検証する新研究方針へ更新する
記事を読む →Shadow予測を結果確定後に評価する
記事を読む →Shadow・Calibration・Evaluation・実資金系資産の中核接続を監査する
記事を読む →Race Day推論経路と独自確率生成を監査する
記事を読む →ROI100研究結果を統合し、次の戦略を事前決定する
記事を読む →Point-in-Timeデータセットと時系列分割を構築する
記事を読む →Phase 14の特徴量研究OSと後続タスク構成を固定する
記事を読む →Canonical DBの特徴量供給範囲を全テーブル・全カラム単位で棚卸しする
記事を読む →Candidate 002のREJECT結果から、新しい単一仮説をCandidate 003として未使用Holdoutで検証する
記事を読む →Candidate 001を新しい未使用Holdoutで経済評価する
記事を読む →Baseline特徴量の変換・前処理を実装する
記事を読む →Baseline特徴量のデータ品質・欠損値方針を確定する
記事を読む →Baseline比較と特徴量の採用・棄却指標を定義する
記事を読む →Baseline勝率モデルの確率品質を評価する
記事を読む →Baseline勝率とFair Oddsを正式認証する
記事を読む →5方式すべてが安定ROI100に届かなかった実測結果を固定し、共通の失敗要因を分解して次の構造変更を事前登録する
記事を読む →5つの異なるモデル方式を比べる基盤を整え、次は実データで安定ROI100を検証する
記事を読む →5つの異なるモデル方式を実データで同条件比較し、複数年で安定してROI100を超える候補があるか実測する
記事を読む →4モデル比較でCatBoostが1位。でも回収率100%は超えず
記事を読む →4モデル比較でCatBoostが1位。でも回収率100%は超えず
記事を読む →183特徴量を実生成。157は作れたが、26はSource Emptyで止まった
記事を読む →過去時点で利用可能だった情報と事後補完リークを監査する
記事を読む →結果を見ずに既存履歴から開発期間と完全封印Final Holdoutを固定する
記事を読む →競馬AI、うまくいかなかった研究をここで打ち切る。Forward/Shadowへ進めず、後付け救済も禁止
記事を読む →消費済みFinal Holdoutは過去の開発材料に限定し、次の最終評価は新しく到来する未見データだけで行う研究サイクルへ切り替える
記事を読む →意思決定時点を再現するリプレイエンジンを作る
記事を読む →学習期間の長さと時系列重み付けを比較検証する
記事を読む →前日23時運用を再現し計算時間・資源制約を検証する
記事を読む →モデル研究用データセットとリーク防止を定義する
記事を読む →データ系譜・バージョン管理・再現性を定義する
記事を読む →Point-in-Time結合とAs-Of参照ルールを確定する
記事を読む →Holdout・多重比較・昇格判定の研究ルールを固定する
記事を読む →Forward期間の経済性を評価する
記事を読む →Drift検知と再学習の必要性を判定する
記事を読む →Baselineの再現可能な構成を凍結する
記事を読む →順位相関0.217→0.032。なぜ「強い数字」は交絡調整で縮んだのか？
記事を読む →長期性能とRegime安定性を評価する
記事を読む →過去データの深さ・時代差・品質を監査する
記事を読む →購入対象条件と見送り条件を正式化する
記事を読む →資金配分とRisk Controlを検証する
記事を読む →締切後イベントをPredictionとは分離して記録する
記事を読む →継続改善Research Loopを正式運用化する
記事を読む →継続利用と商品価値の証拠を評価する
記事を読む →結果取込から誤差分析・改善・再学習までの閉ループを監査する
記事を読む →経済性評価と資金推移シミュレーションを行う
記事を読む →組み合わせ券種に変えれば改善する？ 13,782レースでワイド・馬連・3連複を検証
記事を読む →競馬AIは「情報を増やせば強くなる」のか？ 4年分で7つの情報群を1つずつ外して検証した
記事を読む →競馬AIの「買う価値」を4ルートに分けたら、なぜ1つだけ止まった？ 3つは次の比較へ
記事を読む →競馬AIの「買う価値」を2通りで比較したら評価が逆転。なぜまだ勝者を決めないのか？
記事を読む →競馬AIで「自信のあるレースだけ買う」は効く？ 事前固定20方策を4年検証
記事を読む →研究結果の公開とタスク分岐ルールを定める
記事を読む →研究用データセット構築
記事を読む →生データ証跡とスナップショットのルールを定める
記事を読む →生データの実体・由来・利用可能性を監査する
記事を読む →生データの実体・由来・利用可能性を監査する
記事を読む →生データの実体・由来・利用可能性を監査する
記事を読む →無料・有料コンテンツの境界と構成を定義する
記事を読む →無料・有料コンテンツの境界と構成を定義する
記事を読む →正本データベースの論理スキーマを定義する
記事を読む →条件別頑健性とRegime変化を監査する
記事を読む →条件別の頑健性と安定性を検証する
記事を読む →条件別の頑健性と安定性を検証する
記事を読む →最小構成のCanonicalデータベースを物理構築する
記事を読む →最小構成のCanonicalデータベースを物理構築する
記事を読む →最低許容オッズ戦略を検証する
記事を読む →旧データベースのデータ源と履歴カバレッジを監査する
記事を読む →既存資産を残す・再利用する・直す・置き換える・退役するに分類する
記事を読む →新規レースの継続追加・訂正・結果反映のライフサイクルを構築する
記事を読む →新しい予想システムの最小Canonical Database範囲を選定する
記事を読む →新しいPrediction Lifecycleの正本Architectureを確定する
記事を読む →新しいCanonical DBだけで候補生成の基準を作り直す
記事を読む →新Canonicalデータベースの範囲と移行方針を定める
記事を読む →意思決定時点境界と未来情報混入防止を監査する
記事を読む →復旧データが前日時点で利用可能だったかを、取得根拠と時刻情報から項目単位で認証する
記事を読む →履歴データを移行して品質を検証する
記事を読む →実運用昇格の準備可否を判定する
記事を読む →実運用の許可条件とリスク上限を定義する
記事を読む →定額購入による経済性Baselineを構築する
記事を読む →商用化・実運用拡大の可否を判断する
記事を読む →商用化・実運用拡大の可否を判断する
記事を読む →収益化施策の停止・転換・拡大を判断する
記事を読む →収益化商品と対象ユーザーを整理する
記事を読む →厳格な上限付き実資金実験を行う
記事を読む →単純BaselineとSanity Benchmarkを構築する
記事を読む →前日予想の土台となる出馬情報を基礎から棚卸しし、欠損範囲と復旧可能範囲を確定する
記事を読む →前日23時の意思決定締切を正式ルールとして固定する
記事を読む →券種拡張の可否を判定する
記事を読む →利用者向け・公開向け出力仕様を定義する
記事を読む →公開情報だけで前日予想AIを組むための設計を固めた
記事を読む →公開情報だけで前日予想AIを組むための設計を固めた
記事を読む →元データの課題を生データ・派生データ・旧形式に分け、本当に直す対象を絞る
記事を読む →候補モデル群を比較評価する
記事を読む →候補モデルFamilyを比較する
記事を読む →信頼・読者・コンテンツ効果を分析する
記事を読む →信頼・読者・コンテンツ効果を分析する
記事を読む →価格実験の方法と判断基準を定義する
記事を読む →予想システムを再基礎化する必要性を正式判断する
記事を読む →モデル学習パイプラインの実体を監査する
記事を読む →モデル学習パイプラインの実体を監査する
記事を読む →モデル・実験レジストリ
記事を読む →ポートフォリオと資金リスクの境界を定義する
記事を読む →バックテストと未見データ検証を行う
記事を読む →バックアップ・復旧基盤
記事を読む →データ品質・保持期間・コスト方針を定める
記事を読む →データ取得・取り込み基盤
記事を読む →データベース実装開始の条件を確認する
記事を読む →スキーマ移行・バージョン管理基盤
記事を読む →コンバージョンと収益貢献を計測する
記事を読む →コンバージョンと収益貢献を計測する
記事を読む →オッズ変動とAlpha減衰を分析する
記事を読む →エンティティと時刻の基準を定義する
記事を読む →これまで作った資産と実候補を整理し、再利用できるものを確定する
記事を読む →Shadow検証へ進む条件を判定する
記事を読む →Shadow実行と意思決定時刻の証跡を記録する
記事を読む →Research Debtと追加Data Candidateを見直す
記事を読む →RawからCanonicalへの変換基盤
記事を読む →Race Day運用とオッズ取得を自動化する
記事を読む →Race Day運用とオッズ取得を自動化する
記事を読む →Prediction Lifecycle監査の誤完了を是正し、実質監査をやり直す
記事を読む →Prediction Lifecycle監査の誤完了を是正し、実質監査をやり直す
記事を読む →Prediction Lifecycle監査の誤完了を是正し、実質監査をやり直す
記事を読む →Phase 9の実運用検証を認証する
記事を読む →Phase 8の収益化実験を認証する
記事を読む →Phase 7のShadow・公開運用を認証する
記事を読む →Phase 6の評価・シミュレーションを認証する
記事を読む →Phase 6の評価・シミュレーションを認証する
記事を読む →Phase 5のモデリング研究を認証する
記事を読む →Phase 4の意思決定・プロダクト設計を認証する
記事を読む →Phase 12の再基礎化監査と選定結果を認証する
記事を読む →Live OddsとRace Day運用経路を監査する
記事を読む →Decision Layer/Segment EdgeがFreshで通らなかった原因を整理し、次に試す仮説を結果を見る前に固定する
記事を読む →Canonical評価ランナー
記事を読む →Canonical評価ランナー
記事を読む →Canonicalデータベースの受入れと切替準備を確認する
記事を読む →Baseline単勝勝率モデルを学習する
記事を読む →Baselineモデル系列と学習目的を決定する
記事を読む →競馬AIの特徴量研究ロードマップを再設計
記事を読む →競馬AIの特徴量研究ロードマップを再設計
記事を読む →特徴量Registryと利用可能時点Manifestを構築する
記事を読む →開発イベントの公開フローを自動化する
記事を読む →運用障害とRecovery経路を監査する
記事を読む →実運用監視と障害対応を定義する
記事を読む →学習済みモデルArtifact・Registry・Version管理を監査する
記事を読む →ドリフト監視・再学習運用
記事を読む →Phase 13開始前にWeb表示を改善する
記事を読む →Phase 13以降の本開発ロードマップを監査結果から確定する
記事を読む →Canonical物理データベース実装
記事を読む →Canonical後の研究戦略と実行ロードマップを確定する
記事を読む →Canonical入力経路を完成させる
記事を読む →運用復旧・監視・鮮度管理
記事を読む →完了済み依存TaskのArtifact復旧と、未完了Taskを安全に一時退避するRecovery基盤を正式化する
記事を読む →秘密情報・プライバシー・顧客データ管理
記事を読む →Version・Run Manifest・Rollbackの正式ルールを定める
記事を読む →顧客権限・請求・支払い
記事を読む →一致する記事がありません。