競馬予想を「予測問題」として立てる

人の予想と、データからの学習

競馬の予想では、前走の着順、距離適性、騎手、馬場状態といった材料を見て、 経験にもとづいて重みを付け、印を打ちます。 機械学習がやっていることも、材料の並びとしては同じです。違うのはそれぞれの材料をどれだけ重視するかを、過去のデータから決める点です。

だから「人の勘 対 AI」という対立ではありません。どの材料を渡すかを決めるのは人であり、 ここに競馬の知識がそのまま効きます（特徴量エンジニアリング）。

何を予測対象にするかで、問題の形が変わる

どれが正解というものではなく、目的によって選びます。 ただしどの立て方を選んでも、忘れてはいけない前提が 1 つあります。

競馬は「レースの中で 1 頭だけが勝つ」構造

1 レースに出走するのはおおむね 8〜18 頭（多くのコースは 16 頭、障害は最大 14 頭）で、 そのうち 1 着になるのは 1 頭だけです。 つまり出走馬の勝率を全部足すと 100% になるという制約が、 レースごとに存在します。

この制約は、ふつうの分類問題にはありません。 1 頭ずつ独立に「勝ちそうか」を判定すると、 レース内の全頭が「勝ちそう」と判定されることも、 全頭が「勝てなさそう」と判定されることも起こり得ます。 どちらも現実には起きないので、判定としては不自然です。

だから競馬では、「この馬は強いか」ではなく「このメンバーの中で何番目か」を考えるのが自然になります。この視点は、このあとの記事すべての土台になります。

• 特徴量は、絶対値ではなく同じレースの中での相対値に直すと効く （特徴量づくり）
• モデルはレース単位でまとめて扱う （モデルの選び方）
• 評価もレース単位で行う （回収率で見る）

「予測」と「買うかどうか」は別の判断

モデルが出すのは、各馬の強さの見積もりです。 そこから先の「買うか」「どの券種を」「いくら」は、オッズと突き合わせて初めて決まる別の判断になります。

予測が正確でも、そのぶんオッズが安ければ手元には残りません。 逆に、勝率の見積もりが低い馬でも、市場がそれ以上に低く評価していれば （＝オッズがより高く付いていれば）買う価値が出ることがあります。この関係が競馬データマイニングの核心で、的中率ではなく回収率で見るで詳しく扱います。