35歳からのPython学習日記

前回は、「イン逃げ有利・不利」を予測するために、レース前に使える材料を探しました。その中で注目したのが、選手ごとの平均STです。選手が普段どれくらいのスタートをするのかを数字にできれば、1号艇と外艇のスタートを比較する材料になるかもしれませ...

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。

競艇AI開発で、スタート順位予測をどこまで高精度にできるか検証。限界を感じたところで、予測そのものではなく既存の予想に活用する方向へ開発方針を見直します。

過去のST特性から6艇のスタート順位を予測できるか検証。順位化とスコア化を試した結果、精度には限界があることが分かり、競艇AIの目的を見直すきっかけになった開発記録です。

過去のスタートデータから選手ごとの特徴を作り、今回のスタート順位との関係を検証。ST中央値や速い率・遅い率を使って、スタート特性が予想の材料になるか試してみました。

競艇AI開発で12種類のスリットPatternを予測してきましたが、検証を続ける中で目的と手段を見直すことに。自分の予想プロセスに戻り、よりシンプルなアプローチを考えます。