2019/12/22 有馬記念 ~機械学習(重回帰分析)による競馬のタイム予測~

スポンサーリンク

2019/12/22 有馬記念 ~機械学習(重回帰分析)による競馬のタイム予測~ では、機械学習(重回帰分析)を利用して、2019/12/22に行われるG1レースである有馬記念について予測しましたのでご紹介します。

 

今回の予測対象レースおよび条件はこちらになります。

レース名: 有馬記念

日程: 2019/12/22

発走時間: 15:25

出走頭数: 16頭

距離: 2500

場所: 中山

馬場: 良

地面: 芝

天気: 曇

 

予測に用いている機械学習の分析手法の一つである重回帰分析や、タイム予測に利用した要素や制約などに関する情報についてはこちらの記事をご参照ください。

機械学習の基本!回帰分析(単回帰分析・重回帰分析)について

2019年2月24日

機械学習(重回帰分析)を利用して競馬予測に挑戦します!

2019年3月24日

 

それでは予測を見ていきましょう!

  1. 予測値
  2. 結果



2019/12/22 有馬記念 ~機械学習(重回帰分析)による競馬のタイム予測~

1. 予測値

それでは早速、機械学習(重回帰分析)によって算出された予測値を見ていきましょう!

ちゃんとレース開始前に算出したことをメモしておくために、予測を算出した時間も表示しておきます。

 

予測を算出した時間: 2019/12/22 15:01:50

枠番 馬番 馬名 騎手 過去レース数 有効データ数 全変数を利用した予測タイム(参考値) 外挿のため除去した変数 予測タイム 予測着順
1 1 スカーレットカラー 岩田康誠 17 16 2:30.26 [‘枠番’, ‘馬番’, ‘馬体重変化量’] 2:37.73 16
1 2 スワーヴリチャード O.マーフィー 17 17 2:11.16 [‘年齢’, ‘騎手’, ‘馬体重’] 2:31.18 7
2 3 エタリオウ 横山典弘 14 14 2:27.64 なし 2:27.64 2
2 4 スティッフェリオ 丸山元気 24 24 2:30.51 [‘年齢’] 2:33.53 14
3 5 フィエールマン 池添謙一 8 7 2:33.38 [‘枠番’, ‘年齢’, ‘騎手’, ‘単勝オッズ’] 2:31.93 9
3 6 リスグラシュー D.レーン 20 20 2:36.05 [‘場所’, ‘年齢’, ‘騎手’, ‘馬体重’] 2:32.33 10
4 7 ワールドプレミア 武豊 6 6 2:35.06 [‘場所’, ‘馬体重’, ‘人気’] 2:32.5 11
4 8 レイデオロ 三浦皇成 15 14 2:46.98 [‘年齢’, ‘騎手’, ‘馬体重’, ‘単勝オッズ’, ‘人気’] 2:31.79 8
5 9 アーモンドアイ C.ルメール 9 9 2:25.09 [‘場所’, ‘年齢’, ‘騎手’, ‘馬体重’] 2:30.72 6
5 10 サートゥルナーリア C.スミヨン 7 7 2:25.44 [‘年齢’, ‘騎手’, ‘馬体重’, ‘単勝オッズ’, ‘人気’] 2:29.29 5
6 11 キセキ R.ムーア 21 18 2:30.39 [‘年齢’, ‘騎手’] 2:28.54 4
6 12 クロコスミア 藤岡佑介 32 31 2:40.97 [‘年齢’, ‘単勝オッズ’, ‘人気’] 2:37.17 15
7 13 アルアイン 松山弘平 19 19 2:34.88 [‘年齢’, ‘単勝オッズ’, ‘人気’] 2:33.13 12
7 14 ヴェロックス 川田将雅 9 9 2:37.06 [‘馬体重’, ‘単勝オッズ’, ‘人気’] 2:33.46 13
8 15 アエロリット 津村明秀 17 17 2:33.01 [‘年齢’, ‘単勝オッズ’, ‘人気’] 2:27.8 3
8 16 シュヴァルグラン 福永祐一 32 29 2:30.56 [‘単勝オッズ’, ‘人気’] 2:27.54 1

どのような結果が出るのか楽しみです。

2. 結果

レース結果

レース結果が出ましたのでご報告します。

こちらが予測値と結果をまとめたデータになります。

 

結果更新時間: 2019/12/22 22:49:45

馬番 枠番 馬名 騎手 予測タイム タイム 人気 予測着順 着順
1 1 スカーレットカラー 岩田康誠 2:37.73 2:35.3 11 16.0 15
2 1 スワーヴリチャード O.マーフィー 2:31.18 2:33.6 5 6.0 12
3 2 エタリオウ 横山典弘 2:27.64 2:32.4 10 1.0 10
4 2 スティッフェリオ 丸山元気 2:33.53 2:34.0 13 10.0 13
5 3 フィエールマン 池添謙一 2:31.93 2:31.6 6 8.0 4
6 3 リスグラシュー D.レーン 2:32.33 2:30.5 2 9.0 1
7 4 ワールドプレミア 武豊 2:32.5 2:31.4 4 12.0 3
8 4 レイデオロ 三浦皇成 2:31.79 2:32.1 9 7.0 7
9 5 アーモンドアイ C.ルメール 2:30.72 2:32.3 1 14.0 9
10 5 サートゥルナーリア C.スミヨン 2:29.29 2:31.3 3 5.0 2
11 6 キセキ R.ムーア 2:28.54 2:31.6 7 4.0 5
12 6 クロコスミア 藤岡佑介 2:37.17 2:35.3 16 15.0 16
13 7 アルアイン 松山弘平 2:33.13 2:32.8 15 11.0 11
14 7 ヴェロックス 川田将雅 2:33.46 2:32.3 8 13.0 8
15 8 アエロリット 津村明秀 2:27.8 2:35.0 12 3.0 14
16 8 シュヴァルグラン 福永祐一 2:27.54 2:31.9 14 2.0 6

 

予測結果

  • 残念ながら今回のレースでは当選はありませんでした。

まとめ

いかがでしたでしょうか。

ここでは、機械学習(重回帰分析)を利用して、2019/12/22に行われるG1レースである有馬記念について予測してみました。

今回は残念ながらボロボロの結果となってしまいました。

やはり距離が長いと予測はなかなか難しいなと感じます。

今まで当選した結果を振り返ってみると、短距離のレースばかりで、長距離レースに関してはなかなか当選していません。

このあたりについては少し改良が必要だなと感じます。

2019年も残りわずかです。

2020年には少しモデルを改良して引き続き挑戦していこうと思います。

スポンサーリンク
スポンサーリンク