用語集

機械学習・データマイニングの用語

特徴量（feature）

モデルに渡す入力の列。生データをそのまま渡すことはまれで、予測に効く形へ加工して使う。 詳しく

教師データ

答え（正解）が付いた過去のデータ。これを見せて、条件から結果を当てる仕組みを学習させる。 詳しく

分類 / 回帰 / ランキング

予測するものの型。区分を当てるのが分類、数値を当てるのが回帰、グループ内の並び順を当てるのがランキング。 詳しく

訓練・検証・テスト

データの三分割。訓練で学習し、検証で設定を選び、テストは最後に一度だけ実力確認に使う。 詳しく

交差検証（cross validation）

データを k 個に分けて検証を繰り返し、平均で評価する方法。時系列データでは、ランダムに分けず時間で区切る。 詳しく

過学習（overfitting）

学習データに合わせ込みすぎて、偶然まで覚えてしまった状態。訓練の成績は良いのに、検証の成績が悪くなる。 詳しく

データリーク

本番では手に入らない情報が入力に混ざること。検証成績だけが不自然に良くなる。競馬では確定オッズや走破タイムの混入が典型。 詳しく

GBDT（勾配ブースティング木）

前の木の間違いを次の木が補うように、決定木を積み重ねる手法。表形式データで第一候補になりやすい。LightGBM などが代表的な実装。 詳しく

ハイパーパラメータ

学習の前に人が決める設定（木の本数・深さ・学習率など）。大きくすれば良くなるものではなく、行き過ぎると過学習する。 詳しく

正解率 / 適合率 / 再現率

分類の基本指標。偏りのあるデータでは正解率はほとんど役に立たず、空振りの少なさ（適合率）と見逃しの少なさ（再現率）で見る。 詳しく

AUC

ROC 曲線の下側の面積。「正例と負例を 1 件ずつでたらめに選んだとき、正例に高い点数が付いている確率」と読める。0.5 がでたらめ、1.0 が完璧。 詳しく

キャリブレーション

出力した確率が実際の頻度と合っているか。期待値や資金配分の計算に使うなら、順序が正しいだけでは足りない。 詳しく

粒度

1 行が何を表すか。競馬では馬単位（1 行 = 1 頭）が基本で、レース単位（1 行 = 1 レース）やペア単位もある。最初に決める。 詳しく

ランキング学習

グループ内の並び順を直接学ぶ手法。1 頭ずつ（pointwise）・2 頭を比べる（pairwise）・グループ全体（listwise）の 3 通りの立て方がある。 詳しく

NDCG

並べ替えの良さを測る指標。正解が上位に来るほど高くなり、1.0 が理想。NDCG@3 のように上位何件までを見るかを添えて使う。 詳しく

不均衡データ

当てたい事象が全体のごく一部しかないデータ。競馬の「1 着」も該当する。正解率で評価すると、何も学習しなくても高い値が出る。 詳しく

アンサンブル学習

複数のモデルの予測を組み合わせて 1 つの答えにする方法。バギング・ブースティング・スタッキングなど。間違え方が違うモデル同士でないと効果は出ない。 詳しく

分布シフト

時間の経過や環境の変化で、データの性質そのものが変わること。過去に有効だったパターンが通用しなくなる。 詳しく

多重比較

たくさんの条件を試すと、効果が無くても偶然きれいな数字が出る現象。最良の 1 つだけを見ると実力を過大評価する。 詳しく

競馬の用語

クラス（条件）

レースの格付け。新馬・未出走・未勝利から始まり、1 勝・2 勝・3 勝クラス、オープンと上がる。オープンの中に重賞（G1〜G3）、リステッド、その他のオープン特別がある（リステッドは重賞ではない）。同じ着順でもクラスが違えば意味が違う。 詳しく

斤量（きんりょう）

そのレースで馬が背負う重量（騎手と馬具を含む）。決め方は馬齢重量・定量・別定・ハンデの 4 種で、実績が反映されるのは別定とハンデ。

上がり 3 ハロン

ゴールまでの最後の 600m にかかった時間。レース後にしか分からないため、今回のレースの値は特徴量に使えない（前走の値なら使える）。 詳しく

脚質（きゃくしつ）

逃げ・先行・差し・追込といった走り方の傾向。レースの展開との相性を考える材料になる。 詳しく

馬場状態

良・稍重・重・不良の区分。タイムの意味が大きく変わるため、絶対値の比較には補正が要る。 詳しく

オッズ・人気

投票額から決まる配当の倍率と、その順位。参加者全員の予想を集計した結果で、相当に精度の高い予測になっている（ただし人気薄が買われすぎる偏りも知られる）。 詳しく

控除率・払戻率

投票総額から差し引かれる割合と、払い戻される割合。券種によって異なる。参加者全体では必ずマイナスから始まる理由。 詳しく

期待値

見積もった勝率 × オッズ（払戻倍率）。賭けた額が平均していくら戻るかを表し、1.0 が損益分岐点。同じ予測でもオッズしだいで買う価値は変わる。 詳しく

回収率

払戻の合計 ÷ 投票額の合計。的中率とは別の指標で、当たりやすさと配当の安さは打ち消し合う。 詳しく

単勝 / 複勝

1 着になる馬を当てるのが単勝、上位に入る馬を当てるのが複勝。複勝の的中範囲は出走頭数で変わり、8 頭以上なら 3 着以内、5〜7 頭なら 2 着以内、4 頭以下では複勝そのものが発売されない。いずれも払戻率 80% で、組み合わせ式の券種より高い。 詳しく

WIN5

指定された 5 レースの 1 着をすべて当てる馬券。的中者がいなければ次回へキャリーオーバーされ、払戻は 100 円あたり 6 億円が上限。的中は非常に難しく、成績のばらつきも極端に大きい。 詳しく

ケリー基準

期待値がプラスと考えられるとき、資金の何割を賭けるかを決める考え方。見積もった勝率が正しいことが前提で、外れていれば過大な賭け金になる。 詳しく