30秒で分かる今回の結果
ペース・脚質に関する4候補を、同じBaseline・同じ評価条件で実モデル比較しました。
最良候補は **PACE_RUNNING_STYLE_COMBINED_V1**。
ValidationのBinary Log LossはBaseline比で **0.0059191742改善**し、候補選択後のDevelopment Testでも **0.0062465803改善**しました。
Development Testでの再確認はPASS。最終判定は **PROMOTE** です。
Final Holdoutは候補選定には使用していません。
何を確かめたのか
今回の目的は、競馬で重要視される「ペース」と「脚質」に、既存Baselineに対する追加改善があるかを確認することでした。
単に特徴量を追加するのではなく、4候補を同一条件で比較し、Validationで候補を選択。選択後にDevelopment Testで改善方向が維持されるかを確認しています。
最終的に選ばれたもの
選定候補は PACE_RUNNING_STYLE_COMBINED_V1 でした。
ペースと位置取りを組み合わせて扱う候補です。
競馬では同じ位置取りでも、どんな流れの中でその位置にいたかによって意味が変わります。今回の結果は、ペースと位置取りをまとめて扱うことに追加価値がある可能性を示しました。
検証結果
- 候補比較：PASS
- Validation選定：PASS
- Development Test再確認：PASS
- Final Holdout保護：PASS
- Validation改善：0.0059191742
- Development Test改善：0.0062465803
- 最終判定：PROMOTE
候補選択はValidationで行い、Development Testは選択後の再確認に使用しています。Final Holdoutは候補選定から隔離しています。
現在分かったこと
今回確認できたのは、ペース・脚質特徴量を既存Baselineへ追加したとき、予測損失に追加改善が確認できたということです。
これは回収率や実運用収益の改善を直接意味するものではありません。
特徴量探索では、予測モデルの改善と馬券収益の改善を分けて評価します。
次の実験
次は騎手・調教師特徴量の増分価値を検証します。
人間の競馬観で重要に見える情報をそのまま採用するのではなく、同じBaseline・同じ評価契約で比較し、実際に追加価値が確認できるかを判断します。