理論 — UmaLab-AIの予想の仕組み

1. 人気・オッズは一切使わない

人気は「みんなの予想の集計」であり、それを評価に混ぜると強い馬を追いかけるだけの予想になります。 UmaLab-AIは人気・オッズを評価式に入れず、レースの実データだけから馬の力と条件の相性を評価します。だから人気薄の推奨も人気馬の消しも、根拠はすべてデータ側にあります。

2. 何を評価しているか（評価表の読み方）

各予想ページの「全馬の項目評価」は、次の9グループの評価をそのレースの出走馬の中での相対値（zスコア）で表示しています。+が有利・−が不利で、±1.0を超えるとそのレースの中ではっきり強い/弱い評価です。

各項目の見出しに付いている%は、その項目が総合評価をどれだけ動かしているかの割合です。zスコアが大きくても、この割合が小さい項目は順位をほとんど変えていません（そうした項目は薄く表示しています）。割合は毎朝の学習結果なので、開催場や時期によって変わります。

実力: 相手の強さを織り込んだレーティング（対戦成績から更新）と走破時計・上がりの優位。時計は「その距離での地力の時計」（当日の馬場の速さを除いた絶対タイム＝相手・クラスの水準を反映）に、生涯通算・直近重視（調子の変化）を併用。中央（JRA）から地方へ来た馬は、JRAで走った最高クラス（格）も実力に織り込む。過去走のないデビュー戦・新馬戦は、能力試験のタイムを実力とみなす
展開脚質: 逃げ・先行・差し・追込の脚質と、そのコース・距離での有利不利や同型の競合
騎手: 騎手のコース別成績と、馬との継続騎乗・乗り替わり
調教師: 調教師（厩舎）の成績と、騎手との組み合わせの相性
血統: 父・母父の産駒がこのコース・距離で残してきた傾向
枠: 枠順のコース・距離別の有利不利
所属: 所属（南関4場・JRA遠征など）による水準差
出走間隔・距離: 前走からの出走間隔（間隔ビン別の傾向）と、その距離帯での適性・初出走かどうか
馬体条件: 馬体重とその増減、斤量、性別・馬齢の条件面

項目の重み（どの項目をどれだけ重視するか）は人手で決めていません。過去レースから統計モデル（ロジスティック回帰）が学習し、新しい結果を取り込むたびに更新されます。 ◎（推し）の選定は1着だけを教師にした専用の学習で行い、その場のレースで学習したモデルと、全8場のレースをまとめて学習したモデルの合議で決めています。合議の配分は場ごとに変えています（既定は半々。浦和はその場のモデルを厚く、高知は8場のモデルを厚く、門別は場単独のみ）。配分は8場すべてで検証し、選んだ期間とは別の期間でも改善が再現した場だけを変更しています（2026-09-10更新）。◎選定では「地力の時計」を直近半年を重視する減衰版で評価します（2026-08-28更新）。

3. 「その時点までの情報」しか使わない

すべての評価は、レース発走前に分かっていた情報だけで計算します（レース後に判明する着順やタイムを過去にさかのぼって混ぜない）。掲載している実測値も同じ規律の walk-forward 検証 ——「その月までのデータで学習し、翌月を予想する」を過去全期間で繰り返した成績——です。未来の情報を使った「後出しの好成績」はありません。実測値は実績ページにまとめています。

4. 自信度と対抗の頭数

◎推しの自信度（高・中・低）は、1着予測での1位と2位のスコア差から決めています。「自信度:高」は過去実測でおよそ人気1位に匹敵する単勝率が出ている水準です。各レースには「この自信度の過去実測:単勝○%・3着内○%」を必ず併記し、言いっぱなしにしません。対抗の頭数も自信度で出し分けます（高=3頭・中=4頭・低=5頭。自信がないレースほど手を広げる）。

5. 外した分だけ、強くなる（成長ループ）

UmaLab-AIは「作って終わり」の予想ロジックではありません。毎開催、予想→結果の答え合わせ→外した原因の分析→ データとロジックの更新、というループを回し続けています。結果は的中も不的中もすべて実績ページで公開します。当たった率の高さだけでなく、時間とともに成績が育っていく過程そのものを見てもらうサイトです。

6. データの扱いと免責

掲載しているのはすべて自前の派生評価（スコア・予想・採点）のみで、出馬表や成績データの転載はしていません。予想は的中を保証するものではありません。馬券の購入は自己責任で、20歳未満の方は馬券を購入できません。

7. AI予想 — 統計モデルとの対決

スコアリング予想（統計モデル）に加えて、同じデータ一式をAI（大規模言語モデル）が読み、スコア化していない文脈——展開の綾・季節傾向・直近の馬場バイアス・メンバー構成——まで含めて独自の◎を出すのが「AI予想」です（不定期掲載）。AIにも人気・オッズは一切渡しません。ただしAIが学習で得た競馬の一般知識は使います（そこが統計モデルとの違いです）。二つの予想は毎レース対決し、勝敗（片方の◎だけが3着内=1勝）を通算で公開します。どちらが当たるのか——その検証自体がこのサイトのコンテンツです。

8. AI穴ラボ — あえて荒れを狙う実験企画

⚠ これは実験企画です — 的中率はメインの2予想より大幅に低くなります

メインの2予想が「当てにいく」のに対し、AI穴ラボは「低確率でも高価値の穴をあえて狙う」別軸のチャレンジ企画です。担当はAI予想（紫）で、統計モデルのスコアリング予想は関与しません。対象レースでもメイン2予想は通常どおり出ます。AI穴ラボはその外側に追加されるだけです。

「荒れ」の定義は「勝ち馬が6番人気以下」です（当サイト全レースの平均発生率は約10%）。一般には万馬券（払戻1万円超）など配当基準の定義もありますが、当サイトは配当データを扱わないため人気基準を採用しています。

狙うレースは、実測データで荒れやすさが裏付けられた条件からAIが選びます。例えば「印圏外に展開が向きそうな前脚質の馬がいるレース」は、実測で荒れ率が平均の約2倍でした。狙う馬はスコアリング予想の印圏外、かつAI予想の◎とも別の1〜3頭に限ります（機械検証で強制）。

成績は「対象レースの荒れ率（選定眼）」と「picksの単勝・3着内」を、対象全体と実際に荒れたレース限定の両方で実績ページに公開します。外れが続いて当たり前の企画です——それでも狙って獲れるのか、を検証します。馬券購入をおすすめするものではありません。