レース予測

機械学習アルゴリズム：XGBoost・LightGBM・CatBoost（いずれも勾配ブースティング決定木）を組み合わせたアンサンブルモデルを採用しています。高速かつ高精度で、テーブルデータの予測において世界的に実績のあるアルゴリズムです。

160の特徴量：選手の勝率・連対率、モーター2連率、展示タイム、スタートタイミング、コース別成績、天候データ（風速・波高・気温）などに加え、レース内での相対的な実力差（Zスコア正規化）やアップセット検出用の特徴量を使用しています。

1号艇ベースラインでの評価：競艇は1コース（1号艇）が約55.6%勝つ競技のため、「常に1号艇を買う」が実質的な基準線になります。モデルの価値はこれをどれだけ上回れるかで測るべきもので、学習に使わない固定ホールドアウト5,000レースでの実測は単勝56.7%（基準比 +1.1ポイント）です。以前はコース番号を学習特徴量から除外する設計でしたが、実測で基準線を上回れないことが分かったため、現在はコース情報を含めて学習しています。

月次自動更新：モデルは毎月自動的に最新データで再学習されます。直近のデータほど高い重みを付けて学習するため、選手の調子やモーターの状態変化を反映します。