30秒で分かる今回の結果
斤量・過去馬体重・馬体重の変化・斤量と馬体重の関係など、身体条件に関する5候補を同じBaseline・同じ評価条件で実モデル比較しました。
最良だったのは PHYSICAL_CONTEXT_COMBINED_V1 です。
ValidationのBinary Log LossはBaseline比で0.0032804732改善し、候補選択に使っていないDevelopment Testでも0.0031248406改善しました。再確認結果はPASS、最終判定はPROMOTEです。
Final Holdoutは候補選定に使用していません。
何を確かめたのか
競馬では斤量や馬体重がよく注目されますが、それらが既存モデルに本当に追加情報を与えるかは、実際に比較しないと分かりません。
今回は、斤量単独、過去馬体重、馬体重の変化、斤量と馬体重の関係、複数の身体条件をまとめた候補を含む5候補を同一条件で比較しました。
何が変わったのか
単独の情報ではなく、複数の身体条件を組み合わせた PHYSICAL_CONTEXT_COMBINED_V1 がValidationで選定されました。
つまり今回の評価条件では、「何kgを背負うか」だけでなく、過去の馬体重や最近の変化など、その馬自身の履歴を含む身体コンテキストを合わせて扱う候補が最も良い結果でした。
現在の状態
- Validation改善：0.0032804732
- Development Test改善：0.0031248406
- Development Test再確認：PASS
- 最終判定：PROMOTE
- Final Holdout：候補選定には未使用
Validationで候補を選び、Development Testで改善方向を再確認する手順を維持しています。
この結果の意味
今回確認できたのは、身体条件に関する特徴量が予測損失の改善に寄与する可能性です。
特に、単一の斤量・馬体重だけでなく、過去の馬体重やその変化を含む組み合わせ候補が最良でした。
一方で、今回の結果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。
次の検証
次は、ローテーション・休養・季節性の特徴量価値を同じ基準で検証します。
特徴量を増やすこと自体を目的にせず、既存Baselineへ追加価値を持つものだけを残していきます。