競馬AI開発メモ：馬体重・馬体重増減を特徴量化すると予測精度は上がるのか？

はじめに
今回確認すること
馬体重特徴量とは何か
使用データ
馬体重・馬体重増減の分布
作成した馬体重特徴量
比較方法
結果
考察
まとめ

はじめに

今回は「馬体重」と「馬体重増減」を特徴量化し、LightGBMの予測精度に効くかを確認します。

今回確認すること

馬体重そのものを入れると精度が上がるか
馬体重増減を入れると精度が上がるか
過去平均との差（通常体重からのズレ）が効くか
馬体重のトレンド（増加傾向・減少傾向）が効くか
大幅増減のフラグが効くか
馬体重の安定度が効くか
好走時体重との差が効くか
レース内での相対体重が効くか
人気あり/なしで馬体重特徴量の効果は変わるか

馬体重特徴量とは何か

馬体重・馬体重増減は通常レース前に発表される情報です。馬体重そのものだけでなく、以下のような情報も特徴量化できます。

その馬の通常体重からのズレ（過去平均との差）
直近の増減傾向（トレンド）
大幅な増減（調子の変化の手がかり）
好走したときの体重に近いかどうか
同レース内での相対的な体重位置

重要な注意点:

馬体重・馬体重増減は馬体重発表後に予測する前提の特徴量です
馬体重発表前に予測する運用では使えません
今走の着順・タイム・着差・上がりなどの結果情報は使っていません
過去走集計は必ず shift(1) して今走を含めていません

使用データ

テーブル: result_table
学習期間: 2017-01-01 ~ 2022-12-31 （787,381 件）
検証期間: 2023-01-01 ~ 2023-12-31 （136,354 件）
評価期間: 2024-01-01 ~ 2024-12-31 （138,372 件）
全体: 1,062,107 件
帯広除外: 124,418 件除外
1着率（学習期間）: 0.1000
1着率（評価期間）: 0.0989

馬体重・馬体重増減の分布

馬体重の分布

平均: 465.13
中央値: 465.0
標準偏差: 33.115
最小: 310.0
最大: 634.0
欠損数: 653

馬体重増減の分布

平均: 0.311
中央値: 0.0
標準偏差: 5.684
最小: -64.0
最大: 72.0
欠損数: 653

増減カテゴリ分布

カテゴリ	件数	割合
増加	480,026	45.2%
減少	461,328	43.4%
増減なし	120,100	11.3%

作成した馬体重特徴量

A: baseline

馬体重特徴量なしのベース特徴量のみ（比較の基準）

B: 今走の馬体重

今走の馬体重・log変換・欠損フラグ

body_weight
log_body_weight
body_weight_missing_flag

C: 今走の馬体重増減

今走の馬体重増減・絶対値・欠損フラグ

body_weight_change
abs_body_weight_change
body_weight_change_missing_flag

D: 過去平均との差

過去平均馬体重との差・zスコア

past_avg_body_weight
past_median_body_weight
past_std_body_weight
body_weight_diff_from_past_avg
abs_body_weight_diff_from_past_avg
body_weight_zscore_vs_past

E: 馬体重トレンド

直近の馬体重増減トレンド（傾向）

past_body_weight_change_1
past_body_weight_change_2
recent_avg_body_weight_change_3
recent_avg_body_weight_change_5
body_weight_trend_3
body_weight_trend_5

F: 大幅増減フラグ

大幅増減（10kg/20kg以上）フラグ

is_large_gain_10
is_large_gain_20
is_large_loss_10
is_large_loss_20
is_large_abs_change_10
is_large_abs_change_20

G: 馬体重安定度

馬体重の安定度（標準偏差・変動係数）

body_weight_std_3
body_weight_std_5
body_weight_cv_5
is_body_weight_stable
is_body_weight_unstable

H: 好走時体重との差

好走時（3着内）体重と今走体重の差

good_run_avg_body_weight
good_run_median_body_weight
body_weight_diff_from_good_avg
abs_body_weight_diff_from_good_avg
has_good_run_body_weight_history

I: レース内相対体重

同レース内での相対体重（順位・パーセンタイル）

body_weight_rank_in_race
body_weight_percentile_in_race
body_weight_change_rank_in_race
body_weight_change_percentile_in_race

ALL: 全馬体重特徴量

B〜Iをすべて追加

比較方法

モデル: LightGBM
時系列分割（ランダム分割ではない）
目的変数: 1着に入るか（補助: 3着内に入るか）
評価指標: AUC / logloss / Brier score
人気なしモデルと人気ありモデルの2条件で比較

ベース特徴量（A_baseline）:

距離・馬番・枠番・斤量・年齢・同走馬の数・月・曜日・過去3走平均着順・過去3走3着内率

※ ベースラインには馬体重・馬体重増減を含めない（効果を測定するため）

結果

人気なしモデル：1着予測

特徴量セット	AUC	logloss	Brier	AUC差	logloss差
A: baseline	0.7287	0.2911	0.0826	–	–
B: 今走の馬体重	0.7335	0.2897	0.0823	+0.0048	-0.0014
C: 今走の馬体重増減	0.7300	0.2907	0.0825	+0.0013	-0.0004
D: 過去平均との差	0.7340	0.2896	0.0823	+0.0053	-0.0015
E: 馬体重トレンド	0.7339	0.2895	0.0822	+0.0052	-0.0016
F: 大幅増減フラグ	0.7297	0.2908	0.0825	+0.0010	-0.0003
G: 馬体重安定度	0.7345	0.2894	0.0822	+0.0058	-0.0017
H: 好走時体重との差	0.7322	0.2902	0.0824	+0.0035	-0.0009
I: レース内相対体重	0.7354	0.2891	0.0822	+0.0067	-0.0020
ALL: 全馬体重特徴量	0.7405	0.2875	0.0818	+0.0118	-0.0036

人気ありモデル：1着予測

特徴量セット	AUC	logloss	Brier	AUC差	logloss差
A: baseline	0.8457	0.2439	0.0715	–	–
B: 今走の馬体重	0.8456	0.2440	0.0715	-0.0001	+0.0001
C: 今走の馬体重増減	0.8460	0.2439	0.0714	+0.0003	+0.0000
D: 過去平均との差	0.8456	0.2439	0.0715	-0.0001	+0.0000
E: 馬体重トレンド	0.8457	0.2439	0.0714	+0.0000	+0.0000
F: 大幅増減フラグ	0.8457	0.2438	0.0714	+0.0000	-0.0001
G: 馬体重安定度	0.8456	0.2438	0.0714	-0.0001	-0.0001
H: 好走時体重との差	0.8456	0.2440	0.0715	-0.0001	+0.0001
I: レース内相対体重	0.8461	0.2437	0.0714	+0.0004	-0.0002
ALL: 全馬体重特徴量	0.8457	0.2439	0.0714	+0.0000	+0.0000

補助検証：3着内予測（人気なし）

特徴量セット	AUC	logloss	Brier	AUC差	logloss差
A: baseline	0.7161	0.5444	0.1828	–	–
B: 今走の馬体重	0.7188	0.5427	0.1821	+0.0027	-0.0017
C: 今走の馬体重増減	0.7168	0.5439	0.1826	+0.0007	-0.0005
D: 過去平均との差	0.7196	0.5422	0.1819	+0.0035	-0.0022
E: 馬体重トレンド	0.7190	0.5427	0.1821	+0.0029	-0.0017
F: 大幅増減フラグ	0.7166	0.5441	0.1827	+0.0005	-0.0003
G: 馬体重安定度	0.7196	0.5423	0.1819	+0.0035	-0.0021
H: 好走時体重との差	0.7185	0.5430	0.1822	+0.0024	-0.0014
I: レース内相対体重	0.7208	0.5413	0.1816	+0.0047	-0.0031
ALL: 全馬体重特徴量	0.7245	0.5390	0.1806	+0.0084	-0.0054

特徴量重要度（人気なし・1着・ALL）

順位	特徴量	Gain
1	`past3_avg_rank`	271201.6
2	`past3_top3_rate`	82780.7
3	`body_weight_percentile_in_race`	31069.0
4	`同走馬の数`	22795.8
5	`年齢`	16323.1
6	`距離`	10011.2
7	`recent_avg_body_weight_change_5`	9953.3
8	`past_std_body_weight`	9925.3
9	`body_weight_std_5`	8309.3
10	`月`	7688.9
11	`has_good_run_body_weight_history`	7552.0
12	`斤量`	7235.6
13	`past_median_body_weight`	6906.0
14	`body_weight`	6875.8
15	`body_weight_trend_5`	6367.1

特徴量重要度（人気あり・1着・ALL）

順位	特徴量	Gain
1	`人気`	887405.2
2	`past3_avg_rank`	53170.4
3	`past3_top3_rate`	27847.3
4	`同走馬の数`	11828.0
5	`body_weight_percentile_in_race`	8541.4
6	`年齢`	4230.7
7	`body_weight`	3923.9
8	`recent_avg_body_weight_change_5`	3819.7
9	`body_weight_change_percentile_in_race`	3214.5
10	`past_std_body_weight`	3211.2
11	`月`	2947.6
12	`recent_avg_body_weight_change_3`	2922.0
13	`abs_body_weight_diff_from_past_avg`	2919.5
14	`距離`	2820.3
15	`body_weight_change`	2788.6

条件別分析

ALLモデル（人気なし・1着予測）のテスト期間における条件別AUC:

条件	AUC	logloss	Brier	N	正例率
馬体重増加	0.7429	0.2819	0.0799	63,187	0.0962
馬体重減少	0.7372	0.2907	0.0827	59,570	0.1003
馬体重増減なし	0.7419	0.2981	0.0858	15,560	0.1044
10kg以上増加	0.7116	0.3512	0.1040	7,195	0.1286
10kg以上減少	0.7242	0.3073	0.0881	4,723	0.1069
20kg以上増加	0.6813	0.3827	0.1154	1,162	0.1420
20kg以上減少	0.6990	0.2877	0.0799	317	0.0915
過去平均より重い	0.7354	0.2836	0.0801	80,532	0.0962
過去平均より軽い	0.7502	0.2743	0.0774	51,303	0.0939
過去平均との差が大きい	0.7356	0.2770	0.0778	32,743	0.0928
好走時体重履歴あり	0.7381	0.2894	0.0823	121,683	0.0997
好走時体重履歴なし	0.7549	0.2737	0.0781	16,689	0.0931
馬体重発表なし	0.6560	0.2905	0.0818	55	0.0909

考察

馬体重特徴量は効いたか

全馬体重特徴量を追加すると、AUCが 0.7287 → 0.7405 (+0.0118) と改善しました。

どの特徴量が効いたか

人気なしモデルで最もAUCが高かったのは レース内相対体重 でした。

条件別に見て効きやすかったところ

AUCが0.55を超えた条件:

好走時体重履歴なし: AUC=0.7549
過去平均より軽い: AUC=0.7502
馬体重増加: AUC=0.7429
馬体重増減なし: AUC=0.7419
好走時体重履歴あり: AUC=0.7381

まとめ

馬体重特徴量を追加することで、1着予測のAUCが +0.0118 改善しました。

馬体重・馬体重増減は発表後に予測する前提の特徴量であり、運用タイミングに注意が必要です。