馬主のための馬体分析

機械学習を使用した募集馬写真からの競走能力予測

2021/4/4更新

当サイトでの競走能力予測に使用している機械学習について紹介します。

この手法は一口馬主クラブの募集馬の写真とその馬の競走成績（獲得賞金）のデータを機械に学習させ、人間にはわからない関係性を見出すことを目的としています。

機械学習には、Googleが開発しオープンソースで公開している機械学習用ソフトウェアライブラリであるTensorFlow（テンソルフロー）を利用しています。

2016年産までの募集馬の写真と競走成績データから2017〜2018年産募集馬の競走成績をA〜Cの3段階で予測した結果は下のグラフようになりました。

A: 4000万円以上
B: 1000〜4000万円
C: 1000万円未満

獲得賞金が多い馬の割合は期待通りA→B→Cの順に小さくなっていきます。

予測確率Bが高い馬ほど獲得賞金が多い馬の割合が大きくなっており、一方で予測確率Cが高い馬ほどその割合は小さくなっています。
よって機械学習が成功していると言えますが、どちらも確率が70%以上になると上記のような傾向が見られなくなります。
これは検証サンプル数が少ないことによる誤差であると考えられます。

また、予測確率Aは獲得賞金との顕著な相関が見られず、こちらは学習・検証サンプルともに数が不足しているためと推測します。

今後データを積み重ねていけばより正確な予測ができるようになる可能性があります。

（※使用データ）
キャロットC: 2018年産
G1TC: 2017〜2018年産
グリーンF: 2015〜2018年産
広尾TC: 2018年産
TCライオン: 2016〜2018年産
ロードTO: 2017〜2018年産
ノルマンディーOC: 2011〜2018年産
ラフィアンTC: 2011〜2018年産
シルクHC: 2014〜2018年産
サンデーTC: 2017〜2018年産
社台TC: 2017〜2018年産
東京TC: 2017〜2018年産
ターファイトC: 2013〜2018年産
ユニオンOC: 2018年産
ウインRC: 2018年産
友駿HC: 2016〜2018年産