信頼度

馬が一着の確率です。

信頼差

信頼度が一番高い馬と二番目高い馬の信頼度の差。

閾値

計算式
信頼差 * 2 + 信頼度 * オッズ * 1.2
重みの決め方は前年度レースのシミュレーションの結果で決めます｡
この閾値で馬券買うか買わないかで決めます。

Python3

ライブラリ Seleniumでブラウザを操作し、10年分のデータをWEBスクレイピンで収集します。

ライブラリ Pandasでデータを整形します。

LightGBM

LightGBM（読み：ライト・ジービーエム）決定木アルゴリズムに基づいた勾配ブースティング（Gradient Boosting）の機械学習フレームワークです。LightGBMは米マイクロソフト社2016年にリリースされました。

Kotlin

App版はkotlinで作りました。WebAPI使って、DBサーバ内のデータを取得、アプリで現在の予想馬番が見れます。

特徴量

天気、コース、距離、前５走までのレース情報、５代血統、騎手、調教師、タイム指数、本賞金など全部 ３００個以上の特徴量を使いました。
中には本賞金は重要な影響があり、本賞金はレースのレベル直接に関係があり、そのレースの着順でその馬の強さを数値化できます。
オッズと人気はあえて使わない、その理由は回収率が下がります。オッズ使うなら、勝率は上がるが、予想した馬は人気上位ばかりので、オッズ的にはあまり美味しくないです。

フレームワーク

最初はディープラーニングのKerasを使いましたが、パラメータの設定には複雑ので断念しました。その後マイクロソフト社のLightGBMを切り替えました。LightGBMはKaggleに人気なフレームワークで、ネット上も色んなリソースがあります。その上使いやすいし、訓練時間も短いし、とてもおすすめです。
そしてフレームワークOptunaを使ってハイパーパラメータを自動にチュウニングして、最低限のパラメータ設定すればいいです。

工夫した所

データの整形は一番力入れたところです。訓練にするため、全部のデータを数値型に変更しなければならないので、カテゴリ種類が少ない特徴量（例：天気、コース距離、コース種類）ならば、OneHotEncoderでいけますが、馬、騎手、調教師、血統ようなカテゴリの数がとても多い場合、Target Encoding（目的変数の平均値）で変更します。つまりこの場合は、馬、騎手、調教師の特徴量をそれぞれの勝率に変更することです。
私は勝率を計算の時、一つの罠にはまった、それは未来のデータを使いました。正しい計算はそのレース前のレースのみで勝率を計算することです。そのためデータの整形はとても大変です、多くの時間をデータの整形に費やしました。