競馬AI開発メモ：レース間隔を特徴量化すると予測精度は上がるのか？

はじめに

地方競馬AIの特徴量エンジニアリングシリーズとして、「レース間隔」を特徴量化します。

前走からの日数・休み明け・短期続戦など、ローテーションに関する情報が予測精度に貢献するかをLightGBMで実験的に確認します。

今回確認すること

レース間隔特徴量はLightGBMの1着予測AUCを改善するか
どの種類のレース間隔特徴量が最も効くか（A〜I のグループ比較）
人気なし/人気ありモデルで効果に差があるか
間隔カテゴリ別（連闘・休み明けなど）の条件別AUC

レース間隔特徴量とは何か

レース間隔特徴量とは、前走からの日数や過去のローテーションパターンから算出した数値です。単純な「日数」だけでなく、以下の観点から複数の特徴量を作成しました。

前走からの日数: 今走と前走の間が何日か
間隔カテゴリ: 連闘・短期・通常・中期休養・長期休養
過去のローテーションパターン: その馬が通常どのくらいの間隔で使われているか
同カテゴリでの過去成績: 今回と同じ間隔パターンのときの成績
休み明け成績: 60日以上空いたときの過去成績
短期続戦成績: 14日以内で使われたときの過去成績
直近出走頻度: 直近30/60/90日の出走数
好走時のレース間隔: 過去に3着内に入ったときの間隔と今回の差

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
合計: 1,062,107件
帯広除外: 124418件除外

正例率（1着）

学習: 0.1000
検証: 0.0999
評価: 0.0989

分割方法

時系列順にデータを分割しています（ランダム分割は使用していません）。

学習: 2017-01-01 ~ 2022-12-31
検証: 2023-01-01 ~ 2023-12-31  (early stopping)
評価: 2024-01-01 ~ 2024-12-31  (最終評価)

レース間隔カテゴリの定義

カテゴリ	日数範囲	件数
連闘相当（rento）	0〜7日	56,900 (5.4%)
中1週相当（short）	8〜14日	383,009 (36.1%)
通常間隔（normal）	15〜35日	466,289 (43.9%)
中期休養（middle_layoff）	36〜59日	48,304 (4.5%)
60日以上（layoff_60）	60〜89日	18,464 (1.7%)
90日以上（layoff_90）	90〜179日	31,392 (3.0%)
長期休養（long_layoff_180）	180日以上	10,433 (1.0%)
履歴なし（unknown）	–	47316

前走からの日数の統計（履歴ありのみ）

平均: 25.7日
中央値: 15.0日
最小: 3.0日
最大: 2752.0日
履歴なし件数: 47,316件

作成したレース間隔特徴量

A. baseline

レース間隔特徴量を追加しないベースライン。他の特徴量セットとの比較基準。

使用特徴量（リークなし）: 距離・馬番・枠番・斤量・馬体重・馬体重増減・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

B. 前走からの日数

特徴量名	内容
`days_since_last_run`	前走からの日数（初走はNaN）
`log_days_since_last_run`	日数のlog変換（log1p）
`is_first_run_or_no_history`	初走・過去走履歴なしフラグ

C. レース間隔カテゴリ

特徴量名	内容
`interval_bin`	カテゴリ名（文字列）
`is_rento`	連闘（0〜7日）フラグ
`is_short`	短期（8〜14日）フラグ
`is_normal`	通常（15〜35日）フラグ
`is_middle_layoff`	中期（36〜59日）フラグ
`is_layoff_60`	60日以上フラグ
`is_layoff_90`	90日以上フラグ
`is_long_layoff_180`	180日以上フラグ

D. 過去の平均レース間隔

特徴量名	内容
`past_avg_interval_days`	過去の平均間隔（日）
`past_median_interval_days`	過去の中央値間隔
`past_std_interval_days`	過去の間隔の標準偏差
`past_min_interval_days`	過去の最小間隔
`past_max_interval_days`	過去の最大間隔
`interval_diff_from_avg`	今回間隔 – 過去平均
`abs_interval_diff_from_avg`	上記の絶対値

E. 同じ間隔カテゴリでの過去成績

特徴量名	内容
`same_interval_bin_runs`	今回と同カテゴリでの過去出走数
`same_interval_bin_win_rate`	同カテゴリでの過去1着率
`same_interval_bin_top3_rate`	同カテゴリでの過去3着内率
`same_interval_bin_avg_rank`	同カテゴリでの過去平均着順
`same_interval_bin_best_rank`	同カテゴリでの過去最良着順
`same_interval_bin_has_history`	同カテゴリ経験ありフラグ

F. 休み明け成績

特徴量名	内容
`layoff_runs`	60日以上休み明けの過去出走数
`layoff_win_rate`	60日以上休み明けでの過去1着率
`layoff_top3_rate`	60日以上休み明けでの過去3着内率
`layoff_avg_rank`	60日以上休み明けでの過去平均着順
`layoff_has_history`	休み明け経験ありフラグ
`long_layoff_runs`	90日以上の休み明け出走数
`long_layoff_top3_rate`	90日以上の休み明け3着内率

G. 短期続戦成績

特徴量名	内容
`short_interval_runs`	14日以内の過去出走数
`short_interval_win_rate`	14日以内での過去1着率
`short_interval_top3_rate`	14日以内での過去3着内率
`short_interval_avg_rank`	14日以内での過去平均着順
`rento_runs`	7日以内（連闘）の過去出走数
`rento_top3_rate`	7日以内（連闘）での過去3着内率

H. 直近の使われ方

特徴量名	内容
`recent_avg_interval_3`	直近3走の平均間隔（日）
`recent_avg_interval_5`	直近5走の平均間隔（日）
`recent_min_interval_5`	直近5走の最小間隔（日）
`recent_max_interval_5`	直近5走の最大間隔（日）
`recent_race_count_30d`	直近30日以内の出走数
`recent_race_count_60d`	直近60日以内の出走数
`recent_race_count_90d`	直近90日以内の出走数

I. 好走時のレース間隔との差

特徴量名	内容
`good_run_avg_interval_days`	過去の好走時（3着内）の平均間隔
`good_run_median_interval_days`	過去の好走時の中央値間隔
`interval_diff_from_good_avg`	今回間隔 – 好走時平均間隔
`abs_interval_diff_from_good_avg`	上記の絶対値
`has_good_run_interval_history`	好走時間隔履歴ありフラグ

ALL. 全レース間隔特徴量

B〜Iのすべてを結合した特徴量セット。

比較方法

以下の特徴量セット（A〜ALL）に対して、LightGBMで1着予測（および3着内予測）モデルを学習し、テスト期間（2024年）のAUC・logloss・Brier scoreを比較しました。

時系列分割: 学習2017〜2022年、検証2023年（early stopping）、評価2024年
2条件: 人気なし / 人気あり（人気を特徴量に含めるか）
目的変数: 1着（主）、3着内（補助）
NaN補完: 学習データの中央値で補完

結果

人気なしモデル：1着予測

ベースライン AUC（テスト期間）: 0.7341

特徴量セット	AUC	logloss	Brier	AUC差	logloss差
A: baseline	0.7341	0.2895	0.0823	–	–
B: 前走からの日数	0.7391	0.2882	0.0821	+0.0050	-0.0013
C: 間隔カテゴリ	0.7385	0.2883	0.0821	+0.0044	-0.0012
D: 過去平均間隔	0.7465	0.2860	0.0815	+0.0124	-0.0035
E: 同カテゴリ成績	0.7433	0.2867	0.0817	+0.0092	-0.0028
F: 休み明け成績	0.7369	0.2889	0.0821	+0.0028	-0.0006
G: 短期続戦成績	0.7462	0.2859	0.0815	+0.0121	-0.0036
H: 直近出走頻度	0.7472	0.2858	0.0815	+0.0131	-0.0037
I: 好走間隔差	0.7422	0.2872	0.0818	+0.0081	-0.0023
ALL: 全レース間隔特徴量	0.7524	0.2840	0.0811	+0.0183	-0.0055

人気なしモデルでは ALL: 全レース間隔特徴量 が最もAUCを改善しました（+0.0183）。

人気ありモデル：1着予測

ベースライン AUC（テスト期間）: 0.8461

特徴量セット	AUC	logloss	Brier	AUC差	logloss差
A: baseline	0.8461	0.2437	0.0714	–	–
B: 前走からの日数	0.8459	0.2439	0.0714	-0.0002	+0.0002
C: 間隔カテゴリ	0.8461	0.2437	0.0714	+0.0000	+0.0000
D: 過去平均間隔	0.8466	0.2434	0.0713	+0.0005	-0.0003
E: 同カテゴリ成績	0.8464	0.2435	0.0713	+0.0003	-0.0002
F: 休み明け成績	0.8460	0.2438	0.0714	-0.0001	+0.0001
G: 短期続戦成績	0.8465	0.2434	0.0713	+0.0004	-0.0003
H: 直近出走頻度	0.8465	0.2435	0.0713	+0.0004	-0.0002
I: 好走間隔差	0.8463	0.2436	0.0714	+0.0002	-0.0001
ALL: 全レース間隔特徴量	0.8468	0.2433	0.0712	+0.0007	-0.0004

人気ありモデルでは ALL: 全レース間隔特徴量 がわずかにAUCを改善しました（+0.0007）。

補助検証：3着内予測

特徴量セット	AUC	logloss	Brier	AUC差	logloss差
A: baseline	0.7196	0.5422	0.1819	–	–
B: 前走からの日数	0.7222	0.5405	0.1813	+0.0026	-0.0017
C: 間隔カテゴリ	0.7217	0.5408	0.1814	+0.0021	-0.0014
D: 過去平均間隔	0.7279	0.5373	0.1800	+0.0083	-0.0049
E: 同カテゴリ成績	0.7256	0.5381	0.1804	+0.0060	-0.0041
F: 休み明け成績	0.7217	0.5409	0.1814	+0.0021	-0.0013
G: 短期続戦成績	0.7275	0.5373	0.1801	+0.0079	-0.0049
H: 直近出走頻度	0.7273	0.5376	0.1802	+0.0077	-0.0046
I: 好走間隔差	0.7244	0.5394	0.1808	+0.0048	-0.0028
ALL: 全レース間隔特徴量	0.7323	0.5341	0.1788	+0.0127	-0.0081

特徴量重要度

人気なしモデル・1着予測・ALL特徴量セットの上位特徴量（gain基準）:

特徴量名	importance (gain)
`past3_avg_rank`	255189.9
`past3_top3_rate`	84439.5
`同走馬の数`	31847.6
`short_interval_runs`	31017.6
`馬体重`	24851.7
`距離`	13027.9
`年齢`	12325.5
`short_interval_avg_rank`	12107.8
`same_interval_bin_avg_rank`	8995.4
`days_since_last_run`	8467.4
`same_interval_bin_top3_rate`	7519.3
`same_interval_bin_runs`	7478.7
`interval_diff_from_good_avg`	7329.9
`斤量`	7133.5
`recent_avg_interval_5`	7098.3

条件別分析

人気なしモデル・1着予測・ALL特徴量セットで評価した条件別AUC（テスト期間）。

条件	AUC	logloss	Brier	n
interval_rento	0.7586	0.2532	0.0705	3745
interval_short	0.7655	0.2496	0.0693	48565
interval_normal	0.7498	0.2810	0.0798	63869
interval_middle_layoff	0.7315	0.3352	0.0990	7264
interval_layoff_60	0.7152	0.3492	0.1036	2811
interval_layoff_90	0.7164	0.3508	0.1041	5162
interval_long_layoff_180	0.6942	0.3875	0.1182	1654
初出走・履歴なし	0.6097	0.4552	0.1424	5302
過去走履歴あり	0.7544	0.2772	0.0787	133070
同間隔カテゴリ経験あり	0.7482	0.2607	0.0726	114031
同間隔カテゴリ経験なし	0.7184	0.3931	0.1212	24341
過去に休み明け経験あり	0.7467	0.2705	0.0760	83963
過去に休み明け経験なし	0.7562	0.3049	0.0890	54409
直近30日2走以上	0.7481	0.2280	0.0612	47255
直近30日1走以下	0.7442	0.3130	0.0914	91117
直近90日4走以上	0.7402	0.2292	0.0614	72105
直近90日2走以下	0.7300	0.3663	0.1110	44083

考察

レース間隔特徴量は効いたか

人気なしモデルで最大 +0.0183 のAUC改善が確認されました。レース間隔特徴量は一定の予測力を持つことが示されました。

条件別に見て効きやすかったところ

条件別AUCでは interval_short が最も高く（AUC=0.7655）、 初出走・履歴なし が最も低い結果でした（AUC=0.6097）。

まとめ

地方競馬データを用いて、レース間隔特徴量（A〜ALL）の効果をLightGBMで検証しました。

項目	値
評価対象データ	テスト期間 2024-01-01 ~ 2024-12-31
テストデータ件数	138,372件
人気なしベースライン AUC	0.7341
人気なし最良モデル AUC	0.7524 （ALL: 全レース間隔特徴量）
人気ありベースライン AUC	0.8461
人気あり最良モデル AUC	0.8468 （ALL: 全レース間隔特徴量）