python35admin

競艇AIのVer.1となるスリット予測AIを実際の予想に組み込んで検証。回収率は期待とは逆に下がりました。AIの予測精度だけでなく、AIと既存の予想ロジックの組み合わせ方も考え直し、Ver.1を固定して長期モニタリングすることにしました。

競艇AI開発で、特徴量探索を止めて「イン逃げ有利・不利」を予測するVer.1の仕様を決定。平均STと中央値を使い、未来データのリークを避けた時系列検証と、最終的な回収率まで確認する方針を整理します。

競艇AIで「イン逃げ有利・不利」を予測するため、スロー・ダッシュのグループ比較から1号艇とのST比較へ。AUC 0.597などの結果を確認し、特徴量探索を止めてシンプルなAIを作る判断までを記録します。

競艇AI開発で、選手同士のスタートの「連動性」を特徴量としてAIに追加。group_corrやgroup_slopeを試し、予測性能を検証しながら特徴量探索を止める判断までを記録します。

競艇AI開発で、選手同士のスタートに「基準になる選手」がいるのかを調査。相関分析や回帰分析からスタートの連動を調べ、AIへの落とし込み方を考えます。

競艇AIで「イン逃げ有利・不利」を予測するため、今回は6艇のスタートに相関があるのかを分析しました。スロー・ダッシュの関係や選手要因を取り除いた相関、艇同士のSTの連動を調べ、スタートをレース全体で見る必要性を考えます。

競艇AIで「イン逃げ有利・不利」を予測するため、平均STに標準偏差を加えて確率予測を試しました。STの分布や1号艇とのST差も調べ、平均ST＋SDでは予測性能が改善しなかった結果から、スタートの考え方を見直します。

ボートレースAIで「イン逃げ有利・不利」を予測するため、レース前に使える特徴量を考えました。平均STやSTのばらつき、外艇が内側艇を上回る傾向などを調べ、AIに渡す材料を探します。

ボートレースAI開発で考えた「イン逃げ有利・不利」の判定ルールを過去データで検証しました。1号艇の1着率や0.05秒という基準を比較し、AIに教えるラベルとして使えるのかを慎重に確認します。

ボートレースAI開発で、イン逃げ有利・不利をどう定義するかを検討。外艇が内側艇を突破できるスリット条件から、「イン逃げ不利」の仮ルールを作り、過去データで検証する準備を進めます。