30秒でわかる概要
前日予想AIを、出馬表に並んでいる情報だけで考えるのはやめます。
公開情報を、
出馬表 → 過去履歴との接続 → レース内での相対比較 → Derived Feature候補 → 前日用Feature View
まで整理し、**どこまで検証可能な情報を作れるかを比較できる設計**を固めました。
この段階では、モデル学習・Feature選抜・ROI評価・性能優劣比較はまだ行っていません。
今回確定したこと
今回整理したのは、次の範囲です。
- 公開情報から直接使える情報
- 過去履歴との接続方法
- Relative / Derived Feature候補
- 最小限の入力Viewの考え方
- 今後の評価へ接続するための構造
特徴量の数そのものを増やすことは目的にしていません。
重要なのは、前日までに再現できる情報を、どの根拠から作ったのか追える状態にすることです。
レース内での相対比較
競馬では、絶対値だけではなく、今回のメンバー内での位置も比較対象になります。
候補として、
- レース内Rank
- Percentile
- 平均との差
- 中央値との差
- 上位馬との差
- レース内z-score
などを整理しました。
これは「性能が上がった」という結果ではありません。
**公開情報をレース内で比較できる形に変換し、今後検証できる範囲を広げるための設計**です。
まだ未検証のこと
現時点では以下は未実施・未検証です。
- モデル学習
- Feature選抜
- ROI評価
- 性能優劣比較
- 精度向上
- 回収率改善
- 特徴量数と性能の関係
したがって、現段階では性能や収益性についての結論は出していません。
次工程
次は公開情報から作れるFeatureを実際に分類し、
- 直接使える情報
- 過去履歴から追加できる情報
- 相対化で追加できる情報
- 重複している情報
- 最小限必要な情報
を整理します。
その後、同じ評価条件で実際に検証できる状態へ進めます。