MODEL RESEARCH / 2025 CLEAN DATA

当てることと、
勝てることを分けて見る。

レース内の選手同士の関係を学習するDeepSetsモデル。その予測と、まだ証明できていないことまで公開します。

79.8% 3着内精度
2025年ローリング検証・18,299レース

これは次レースの的中確率ではなく、過去データによる検証実績です。

NEXT RACE

次レース予測

読み込み中

完全品質の出走表を待っています

モデル入力が揃った次レースだけを表示します。欠損データから予測値を捏造することはありません。

画面の確率は各選手の1着確率です。合計は100%。79.8%とは別の指標です。

EVIDENCE

何が、どこまで強いか

ローリングOOF
18,299 races

1着的中率44.25%XGBoost比 +0.20pt

3着内精度79.78%XGBoost比 +0.38pt

LogLoss1.4586低いほど良い

車単回収率76.14%収益性は未証明

現在地

予測精度は候補中トップ。ただし外部前向き検証は0/300レースで、実運用の昇格も利益も未確定です。

DIRECT COMBINATION MODELS

複券は、
組み合わせを直接学ぶ。

1着順位の上位から組む方式をやめ、ワイド・2車複・3連複それぞれの候補集合を専用LambdaRankで評価。すべて1レース1点のローリングOOF値です。

ワイド51.85%旧方式 46.75% / +5.10pt

2車複33.41%旧方式 26.99% / +6.42pt

3連複21.82%旧方式 16.08% / +5.73pt

2025年データを使った選択後診断です。外部データでの再現性と回収率は未確認であり、利益を示す数字ではありません。

METHOD

公開する戦略

発走前だけ

競走得点、直近成績、脚質、地区、開催場成績など、発走前に確定する特徴だけを利用。

券を直接学ぶ

1着順位の流用ではなく、同県・同地区、脚質セット、能力の積などを含む順不同の2車・3車集合を直接評価。

時間を巻き戻さない

未来データの混入を避け、過去で学習して未来を予測するローリング評価を採用。

利益とは分離

的中率、確率精度、回収率を別々に報告。回収率100%未満を「勝てる」と表現しない。

公開方針

研究・情報提供用です。投票購入を推奨せず、利益を保証しません。購入データ、個別の学習レコード、モデル本体は再配布しません。指標はデータ期間や欠損状況で変化します。

当てることと、勝てることを分けて見る。