ガチで競馬の分析ソフト作るから検討すべき要素教えてくれ

>>1
今なら締め切り間際のオッズ変動一つだけで良いんじゃね？

>>1
その検討すべき要素自体をAIに検討させるのが今の機械学習の流行スタイルやろっつー

そんなプログラミングが出来ないようではAIプログラミングとしては２流やで

>>13
競馬のようにデータが揃っているものに関しては教師なし学習はコストがでかすぎる
部分的に教師なし学習を取り入れるのはありだと思う

ローテ分析

>>30
正に正論 過ぎるなｗ

ほんと>>30の言う通りかと。
普通はまず目指したい期待値がありきで、その期待値を弾き出すために何のファクターを抽出し、
それらのファクターをどう組み合わせるか、どう組み合わせないか。
このシミュレート結果を何度もブラッシュアップする事こそが使える指数化への大命題なわけで
数多のファクターをガラガラポンで出てくるほど甘くないし、ごった煮すればするほど沼行きするよ。

ホントにガチで考えてるなら例えばだけどさ、ダート1700のレースでクラス、コース、馬場などの条件を問わず
単勝率46％　連対率67％　複勝率79％　単勝回収率371円　複勝回収率216円
てなオバケみたいな数字がある。
ここにどうたどり着くかみたいなことから考えはじめた方が、作っていても試行錯誤しながらも楽しいもんだよ。

>>73
そこを自動で出来るのがディープラーニングの1番の強みだよ

>>30
勝ちパターンってのが有って、中距離ダートの小回り競馬場だと、内枠先行馬で減量騎手とか。
ターン数が多くなればなる程に、外枠は外を走らされるから物理的に走る距離が長くなる。
又、飛びが大きな馬だと直線が長くないと逆に不利。代表的なのは東京専門のアーモンドアイとかサトノアラジン。
中山や阪神芝だと、最後の急坂でスピードが落ちないダート馬体型のレッドファルクスやマツリダゴッホ。
予想ソフトやるならコース特性から勉強だし、芝の種類や含水量や荒れ具合。それに応じた馬の特徴も加味しないと取れないし、突然走る奇行種はソモソモ取れない。