データ収集 学習する（改良６：Permutation Feature Importance 実装を高速化・安定化）
Permutation Feature Importance 実装を高速化・安定化しました 🚀前回まで使っていた Permutation Feature Importance (PFI) のコードを、より高速で安定して動作するように全面的に...
競馬予想アルゴリズム
データ収集 バグ修正 学習する（改良４：枠の位置バイアスを素直に学習させ、順位情報を削らず、レース全体の確率モデル（Plackett–Luce）で“勝ち切る力”を直接最適化する。
もっと、頭を良くさせたいと思い、以下の改良を加えてみました！枠番を復活 & レース内正規化特徴（A）順位の切り詰めをやめる（フルランク学習）Plackett–Luce 損失（B）の追加1) 枠番を復活 & レース内正規化特徴（A）置き換える...
学習 学習する（改良３：「どの情報をどう使うか」をモデル自身に学習させる仕組みを追加）
今回のコード改良では、CLS＋学習窓＋MoE、つまり従来のLSTM＋SetTransformer構成に対して、「どの情報をどう使うか」をモデル自身に学習させる仕組みを追加しました。これにより、人間があらかじめ決め打ちした窓幅や重み付けに依存...
競馬予想アルゴリズム 学習する（１７：改良２ 距離・斤量）
🐎 距離・斤量の“相対化”を多視点化（3・5・7走）これまでは「距離=1800m」「斤量=55kg」といった絶対値をそのまま扱っていました。しかし競馬の世界では “普段より長い距離” や “いつもより斤量が重い” ことこそが成績に直結します...
学習 学習する（１６：改良１ 相対化・履歴・血統）
🏇 モデルが“文脈”を読むようになった話 — 相対化・履歴・血統の三本柱これまでのモデルは「距離=1800m」「斤量=55kg」といった絶対値の並びを見ていました。でも、予想の現場で大事なのは「この馬にとって今回は長いの？重いの？」「同条件...