ローテーション・休養・季節性の特徴量価値を検証する
30秒で分かる今回の成果
前走からの休養間隔、最近の出走密度、これまでと比べた間隔変化、季節性など5候補を、同じBaseline・同じ評価条件で比較しました。
最も良かったのは ROTATION_REST_SEASONALITY_COMBINED_V1 です。
ValidationのBinary Log LossはBaseline比で **0.0003497313改善**。候補選択に使っていないDevelopment Testでも **0.0003012486改善**しました。最終判定は **PROMOTE** です。
今回試した5候補
REST_INTERVAL_V1：前走から今回までの出走間隔ROTATION_DENSITY_V1：最近どのくらいの頻度で出走しているかREST_CHANGE_V1：今回の間隔が過去と比べてどう変化したかSEASONALITY_V1：出走時期・季節ROTATION_REST_SEASONALITY_COMBINED_V1：これらを組み合わせた時間コンテキスト
何が分かったのか
5候補を比較した結果、単独の休養間隔ではなく、複数の時間情報をまとめた組み合わせ候補が最良でした。
「何日ぶりか」だけを見るより、最近の使われ方や普段との間隔の違いまで含めて扱う方が、今回のBaselineには追加価値を持ちました。
別期間でも改善方向を再確認
Validationで選んだ組み合わせ候補をDevelopment Testで再確認し、Binary Log LossはBaseline比で0.0003012486改善しました。
Validationだけで良く見えた候補をそのまま採用せず、別の確認用partitionでも改善方向が残るところまで確認しています。
季節性単独ではなく組み合わせが選ばれた
季節性も候補に含めましたが、最終的に選ばれたのは季節性単独ではなく、複数の時間情報を組み合わせた候補です。
競馬で重要そうに見える情報でも、単独で入れれば必ず有効になるわけではありません。
現在の判定
最終判定はPROMOTEです。
ただし、これは回収率や実運用収益の改善を意味しません。今回確認したのは予測損失指標での特徴量価値です。
Final Holdoutは候補選定に使用していません。
次の検証
次は、枠順・馬番を固定的な有利不利ではなく、条件によって効果が変わる文脈依存特徴量として検証します。