BOATCRAFT が AI モデルの学習に使うデータ範囲を、ユーザー自身が 1 年 / 3 年 / 5 年 / 10 年 / 15 年 / 20 年 / 全期間 (27 年) から選べる機能。 直近トレンド重視か、長期均し型か、自分の予想方針に合わせて時間軸そのものを切り替えられる、競艇予想 AI では珍しい柔軟設計です。
機械学習モデルは、過去データから「パターン」を学習します。 この時にどこまで遡るかで、学習されるパターンの性質は大きく変わります。 直近 1 年だけ見れば「今のトレンド」を強く反映し、20 年遡れば「コース別勝率の構造的傾向」を均して見ます。
BOATCRAFT は AI 競艇予想アプリとしては珍しく、この期間の選択をユーザーに開放しています。 1 年・3 年・5 年・10 年・15 年・20 年・全期間 (27 年) の 7 段階から、レースや方針に合わせて切り替え可能。
これは「短ければ良い」「長ければ良い」という単純な話ではありません。 期間を短くするとサンプル数が減って分散が大きくなり、長くすると古いルールや昔の選手のパターンが混じる。 どちらが効くかはレース文脈に依存するため、ユーザーが選べる設計になっています。
参照期間を切り替えると、AI が学習する「世界観」が変わります。 それぞれの期間設定で得られる長所と短所を整理しました。
期間設定は、予測の反応速度と安定性のトレードオフ。具体的にどこが変わるのかを表で整理します。
| 短期 (1〜3 年) | 長期 (15〜27 年) | |
|---|---|---|
| 反応速度 | 速い ─ 今期の傾向にすぐ追従 | 遅い ─ 構造的傾向だけが残る |
| 予測の安定性 | 分散が大きく、レースごとに揺れやすい | 滑らかで安定、急なズレが少ない |
| 得意レース | 一般戦 / 当節注目選手の評価 | SG・G1 / 会場特性が物を言う一戦 |
| サンプル数 | 数十万件〜100万件 | 1,000 万件超 |
| 古いデータの影響 | ほぼなし | 引退済み選手や旧モーター期のデータも混じる |
| 初心者へのおすすめ | △ ─ 振れやすいので慣れが必要 | ○ ─ 5 年 or 10 年から始めるのが安全 |
参照期間は単独でも効きますが、本当の威力は23つまみ・4AIモデルとの組み合わせで出ます。 期間 × モデル × つまみの三層を組み合わせることで、ユーザーは自分専用の予想エンジンを構築できます。
SG 開催の決勝戦 ─ 参照期間 15 年 + 「コース力つまみ」標準 + 「選手つまみ」強。長期の構造的傾向に、A1 級の地力差を加味する組み合わせ。
新エース機が投入された節 ─ 参照期間 1 年 + 「機力つまみ」強 + フォーム重視。直近データだけを見て、新機材の伸びをいち早く拾う。
地元選手の地区戦 ─ 参照期間 5 年 + 「当地勝率つまみ」強。中期キャリアで蓄積された当地適性を、過剰に均さずに反映。
各設定の組み合わせはチューニングプリセットとして保存可能。会場ごと・開催グレードごとに最適な「時間軸 × 重み」のセットを呼び出せます。
BOATCRAFT は学習データの年数 7 段階を切り替えられる、業界でも珍しい設計の競艇 AI 予想アプリです。 直近重視と長期均し、どちらが自分のレース観に合うか試してみてください。