「AI 予想」という言葉に、もう何度裏切られましたか。
「100 万レース学習」と書いてあっても的中率は出てこない。「バックテスト 95% 当たる」と書いてあっても、実際に買うと半分も当たらない。問題は AI 予想という技術ではなく、その AI がちゃんと検証されているかどうかです。本記事では、AI 予想の仕組みを技術的に分解し、「本物と看板倒れを見分けるための 4 つの数字」を整理します。
「AI 予想」って言葉だけで信用しないで。中身を見れば、本物と看板倒れがはっきり分かる。
1. 競艇 AI 予想とは — 機械学習による着順予測
「AI 予想」と一口に言っても、技術的にはいくつかの段階があります。
機械学習ベースの予想
過去のレース結果データを大量に学習し、未来のレースで何が起きるかを統計的に予測するアプローチです。代表的な手法は以下のようなもの:
- 勾配ブースティング = データから自動でパターン学習する高精度の手法 (XGBoost / LightGBM など、Kaggle などのデータ分析コンテストでよく使われる)
- ニューラルネットワーク = 人間の脳の仕組みを模した予測モデル
- ロジスティック回帰 = 「Yes / No」の確率を計算するシンプルな統計
- ランダムフォレスト = たくさんの予測モデルの多数決
これらは「予想印を出す」というより、「特定のイベント (例: 1号艇が 1 着になる) の確率を計算する」のが基本的な働きです。確率を出すだけなので、最終的な買い目はユーザーが組み立てる、という設計が普通です。
ルールベース vs 機械学習
ルールベースは「A1 級が 1 号艇なら本命、B1 級なら穴」のような人間が決めた条件分岐で予想を出す方式。簡単で説明可能ですが、複雑な相互作用を捕捉できません。
機械学習はデータから自動でパターンを発見する方式。100 以上の特徴量の相互作用を扱えるため、人間が気付かない傾向を拾えます。
単なる集計と AI の違い
「過去 1 年の 1 号艇勝率は 54%」というのは集計データであって AI ではありません。AI は「この特定のレース において 1 号艇が勝つ確率」を、そのレースの環境変数 (風速・選手級別・モーター成績など) を考慮して 計算します。
2. AI 予想は何を予測するのか
AI 予想で予測する対象は、サイトによってさまざまです。
| 予測対象 | 例 | 難易度 |
|---|---|---|
| 1 着艇 | 「このレースは 3 号艇が 1 着」 | 高い (1/6 確率) |
| 3 連単出目 | 「3-5-2 が来る」 | 非常に高い (1/120) |
| 特定艇の着順 | 「1 号艇は 3 着以内」 | 中 |
| 特定イベントの発生 | 「1 号艇が 1 着にならない」 | 中 |
最も難しいのは 3 連単の出目を当てることで、1/120 の確率を上回るには非常に高い精度が必要です。
一方で、「1 号艇が 1 着にならない」のような二値分類問題は、機械学習が得意とする領域です。全レースで 1 号艇が 1 着になる確率はベースレートで 53.7% なので、確率 50% を超える側に張るだけで一定の的中率が出る性質があります。
当サイト「逃げない予報」は、この「1 号艇敗北予測」に特化した AI を運用しています。買い目は出さず、「1 号艇が崩れる確率が高いレース」を抽出するところまでが提供範囲です。
3. AI 予想の精度はどう測るか — 4 つの観点
AI 予想を選ぶときに見るべきは、学習データの大きさ ではなく、精度の検証データです。
(1) 過去 → 未来の順序を守る検証 (Walk-forward)
レースは時系列データなので、検証するときも過去 → 未来の順序が崩れてはいけません。具体的にはこう測ります:
- 2025-09 月までのデータだけで学習
- 2025-10 月のレース予想の精度を測定 (これが「未来データ」での答え合わせ)
- 2025-10 月まで含めて再学習
- 2025-11 月のレース予想の精度を測定
- これを毎月繰り返す
という形で、常に「学習で見ていない未来データ」で精度を測ります。この方法を Walk-forward バックテスト と呼びます。
一方、機械学習でよく使われる 「k-fold (ケーフォールド) 交差検証」 という手法は、データをランダムに分割して検証する方式です。これは時系列データには不適切で、過去と未来をシャッフルしてしまうため、精度を実態より高く見せてしまいます。
たとえば「バックテスト 95% 的中」を謳う予想サイトの多くは、この k-fold で測っている可能性があり、実運用すると 50% も当たらない、ということが起こります。
(2) 「何もしない場合」との比較
「予想精度 70%」という数字だけでは判断できません。何もしないで適当に張った場合と比べて、どれだけ上乗せがあるかを見るべきです。
この「何もしない場合の的中率」を ベースレート と呼びます。
例:
– 1 号艇敗北予測のベースレート = 46.3% (4.5 万レース集計、つまり 1 号艇は元から半分は負ける)
– AI 予想の精度 = 72.2%
– 上乗せ = +25.9 ポイント ← これが AI の本当の貢献
「予想精度 70%」と書いてあっても、もしベースレートが 65% なら、AI は 5 ポイントしか積み上げていない。ベースレートを開示していないサイトは、上乗せがどれだけあるか判断できません。
(3) バックテストと実運用の差
バックテスト 80% と謳っていても、実際に運用すると 50% しか当たらない、という現象は機械学習でよく起こります。
これは AI が学習データを「丸暗記」してしまった状態 (過学習 / overfitting) が原因です。テストデータに対しては完璧に答えられるのに、未経験の新しいレースには対応できない。学校の試験で例えると、「過去問だけは満点取れるけど、本番では似た問題でも解けない」生徒のような状態です。
良いサイトは:
- バックテスト精度
- 実運用精度
- 両者の乖離が小さいことを示す
この 3 つを開示しています。
(4) 不的中の開示
「外したレース」を隠さず開示するかどうかも、信頼性の指標です。当たったレースだけを掲載するサイトは精度評価ができません。
4. 当サイト「逃げない予報」の AI の中身
ここから当サイトの実態を、上記 4 つの観点に沿って開示します。
学習データ
約 4.5 万レース (2025年7月〜2026年5月、race_results が揃ったレースのみ)
学習に使う特徴量 (100 以上)
主なカテゴリ:
- 環境: 風速・風向・波高・気温・水温・天候
- 会場: 24 会場の特性 (敗北率・コース勝率の会場ごとの統計)
- 選手 (各艇 6 名分): 級別・全国勝率・当地勝率・直近 6 ヶ月のスタートタイミング・F/L (フライング/出遅れ) 回数・体重
- モーター: モーター 2 連率・3 連率・モーター番号
- コース: 進入予想・展示タイム・展示スタートタイミング
予測モデル
勾配ブースティング (= データから自動でパターン学習する高精度の機械学習手法) を中核に、複数のモデルを組み合わせています。データサイエンス分野で広く使われている定番の手法です。
「どの手法を使っているか」「どんなデータを使っているか」の方針は公開しますが、モデルの細かいパラメータは非公開にしています。これは競合対策のためで、当サイトの予想の独自性を守るためです。
バックテスト精度 (2025-09 〜 2026-04、145 日、walk-forward 検証)
| 信頼度 | 件数 | 1号艇敗北的中率 |
|---|---|---|
| ⭐⭐⭐ (上位確信) | 56 | 79.1% |
| ⭐⭐ (中確信) | 1,096 | 74.5% |
| ⭐ (標準推奨) | 826 | 68.1% |
| 平均 | 1,978 | 72.2% |
ベースレート 46.3% に対して +25.9 ポイントの上乗せ。
実運用精度 (直近 14 日間、2026年4月26日〜5月9日)
| 信頼度 | 件数 | 的中数 | 的中率 |
|---|---|---|---|
| ⭐⭐⭐ | 16 | 14 | 87.5% |
| ⭐⭐ | 318 | 239 | 75.2% |
| ⭐ | 213 | 136 | 63.8% |
| 平均 | 547 | 389 | 71.1% |
バックテストとほぼ同等の精度が実運用でも出ています (運用実績レポート で全件開示)。
不的中の扱い
外したレースは結果記事で「× 不的中」と表示。バイアスをかけずに全件開示。
5. AI 予想とユーザーの正しい付き合い方
AI 予想で重要なのは「長期で期待値を取りに行く運用」です。
1 日単位の収支に振り回されない
72.2% の予想でも、3 連敗することはあります。これは確率の性質上当然で、長期で見たときの平均が大事です。
期待値を意識する
たとえば「1 号艇敗北予測 72.2% 精度 × 平均 3連単配当 ¥6,000」の場合:
- 期待値: 0.72 × ¥6,000 = ¥4,320
- 投資額: 1 点 ¥100 で 100 点フォーメーション = ¥10,000
これだと期待値はマイナス。しかし、買い目を 100 点ではなく 10-20 点に絞れば期待値プラスにできます。「1 号艇敗北予測 + 買い目の絞り込み」を組み合わせるのが基本戦略です。
詳しい買い方は 3連単フォーメーションの組み方ガイド を参照。
自分の判断を残す
当サイトは買い目を強制しません。「AI が示した条件」+「自分の経験・直感」で最終判断するのが、長期的に楽しめる使い方です。
6. AI 予想を選ぶときのチェックリスト
最後に、AI 予想サイトを選ぶときに見るべき項目をまとめます。
- [ ] 予測対象が明確か (1着 / 3連単 / 1号艇敗北 / etc.)
- [ ] 学習データの規模と期間が開示されているか
- [ ] バックテスト精度が公開されているか
- [ ] ベースレートとの比較が示されているか
- [ ] 実運用での精度が継続的に開示されているか
- [ ] 不的中レースが開示されているか
- [ ] アルゴリズム or 特徴量設計の方針が示されているか
- [ ] 完全無料 / 登録不要 / 即時利用可能か
これらすべてを満たすサイトは、現状ほとんどありません。当サイト「逃げない予報」は、この全項目に対応しています。
AI 予想を選ぶときは「データを出してるか」だけ見れば十分。それ以外はノイズ。
まとめ
- 競艇 AI 予想は機械学習による確率予測
- 「1号艇敗北」のような二値分類は AI の得意領域
- 精度を見るときは walk-forward / ベースレート / 実運用 / 不的中開示の 4 観点で
- 当サイト「逃げない予報」は バックテスト 72.2% / 実運用 71.1% を完全無料で公開
- すべての予想と結果を全件開示、検証可能な唯一の AI 予想
毎朝 8 時に 24 会場の予想を自動更新しています。データドリブンな予想を試したい方は、毎朝チェックしてみてください。
関連リンク:
– → 本日の予想を見る
– → 運用実績レポート (的中率 71.1%)
– → 3連単フォーメーションの組み方ガイド
– → マクール (競艇) のレビュー
– → ポセイドン (競艇 AI) のレビュー