AutoML vs Model Builder

今回の特徴量追加はAutoMLには裏目。一応Model Builderではどうか確認するのに24時間学習させると\(R^{2}\)値0.2611でした。

3,455R	1点	芝(1,689R)	ダート(1,646R)	障害(120R)	8頭以下(219R)	9～12頭(809R)	13頭以上(2,427R)	多点
単勝	22.63% (77.22%)	21.73% (78.32%)	23.69% (77.72%)	20.83% (54.83%)	29.22% (79.27%)	24.35% (75.32%)	21.47% (77.67%)	51.00% (77.01%)
複勝	53.20% (84.49%)	53.05% (85.08%)	53.22% (84.25%)	55.00% (79.50%)	63.47% (85.66%)	57.85% (86.56%)	50.72% (83.69%)	86.54% (81.73%)
枠連	12.04% (78.19%)	11.57% (78.42%)	12.20% (78.81%)	16.16% (65.05%)	-- (--)	13.84% (64.89%)	10.67% (77.66%)	25.96% (76.04%)
馬連	8.71% (67.97%)	8.76% (76.81%)	8.57% (60.34%)	10.00% (48.17%)	18.26% (57.40%)	9.89% (59.05%)	7.46% (71.90%)	20.00% (67.85%)
ワイド	21.88% (81.40%)	23.33% (86.86%)	19.99% (74.29%)	27.50% (102.00%)	42.92% (80.96%)	25.71% (78.60%)	18.71% (82.37%)	42.14% (77.62%)
馬単	4.08% (51.28%)	3.67% (58.30%)	4.43% (45.53%)	5.00% (31.17%)	6.85% (30.37%)	4.70% (56.14%)	3.63% (51.54%)	20.00% (65.73%)
三連複	5.33% (63.70%)	6.16% (62.67%)	4.31% (59.30%)	7.50% (138.42%)	16.89% (88.86%)	7.66% (75.53%)	3.50% (57.48%)	14.62% (74.20%)
三連単	1.13% (45.31%)	1.01% (53.37%)	1.22% (38.48%)	1.67% (25.58%)	1.37% (14.75%)	2.10% (54.98%)	0.78% (44.84%)	14.62% (73.77%)
総合	54.62% (68.56%)	54.23% (72.35%)	54.86% (64.76%)	56.67% (68.16%)	68.04% (62.47%)	59.21% (68.88%)	51.87% (68.39%)	86.92% (73.49%)

取敢えず、1回目なので、更に何度かやる必要はありそうだなぁ。AutoMLの的中率を超えるものが欲しいんだよね。

第31回ＮＨＫマイルカップ

相対タイムのモデル学習に苦戦中です。だからってか、まあ、いつも通りに独自に。

穴予想は変わらないけど、これ、実はこのレース的には過去に三連単二百万馬券が出てるって表示になってるので無茶ではない(笑)

そろそろ当てたい。

下村工業 SFK-04 パン切ナイフ

ホームベーカリー購入して早半年が過ぎました。ここまで色々焼いてみてます。しかし、当初は焼きたてを切るのが大変で、パン切ガイドなるものの存在を知るも、パン切包丁はその昔に結婚時に実家にあったものを母がくれたやつを長年当たり前にってか、まあ、ホームベーカリー購入前は、子供たちがまだ小さくて誕生日ケーキやクリスマスケーキを切る時の位しか使わずにいました。

パン切ガイド使っても切るのは簡単ではなかったんですが、ふと、これ、切れ味悪いから切るのが大変なのではって事でamazonで検索。まあ、価格的にも色々とあるけどコスパ的に選んだのが今回の製品です。

SFK-04 パン切ナイフ 215mm 日本製

確かに格段に切れ味が違う。ただ、やはり最後の両方が薄い状態になる時には力を入れるとパンがつぶれる感じで加減が大変です。しかし、これ、これまでのだとつぶすだけで切る事は出来なかったので良かった。

まあ、そもそも、このホームベーカリー関連は全てポイントで済ませてるので今回のもAmazonギフトの残りを使って出費もしてないので。

ノイズはノイズ

ノイズを削るって話と、精度を上げるって話。そんな中でちょっとJRA-VANの闇というか、まあ、時代の仕業なんだけど、そんなのを目の当たりにしてちょっと余分な時間を掛けてしまった。もうあまり気が進まない特徴量の追加なんですが、そろそろ今回を一旦区切りとしてってか、そもそもGWが本日までなので、朝から晩までコーディングな生活は終わりです。

まあ、そんなギリギリのGW最終日に新たな特徴量追加してCSV出力、まずはAutoMLで6時間学習して得た\(R^{2}\)値は0.2543で、

3,455R	1点	芝(1,689R)	ダート(1,646R)	障害(120R)	8頭以下(219R)	9～12頭(809R)	13頭以上(2,427R)	多点
単勝	26.11% (78.16%)	24.99% (76.18%)	26.97% (79.00%)	30.00% (94.58%)	34.70% (79.73%)	28.06% (77.38%)	24.68% (78.28%)	55.66% (76.40%)
複勝	58.12% (83.90%)	57.67% (83.90%)	57.90% (82.89%)	67.50% (97.75%)	70.78% (90.82%)	63.29% (84.97%)	55.25% (82.92%)	88.57% (81.08%)
枠連	14.05% (74.37%)	12.85% (73.46%)	14.42% (72.90%)	25.25% (110.81%)	-- (--)	16.44% (76.71%)	12.36% (68.88%)	30.14% (77.34%)
馬連	11.00% (68.10%)	10.18% (62.04%)	11.42% (73.83%)	16.67% (74.92%)	22.83% (72.51%)	13.23% (69.79%)	9.19% (67.14%)	23.88% (68.25%)
ワイド	25.33% (78.87%)	25.10% (75.91%)	25.15% (81.42%)	30.83% (85.67%)	45.21% (83.20%)	30.04% (77.53%)	21.96% (78.93%)	46.80% (76.69%)
馬単	6.11% (68.47%)	5.39% (59.09%)	6.50% (76.47%)	10.83% (90.67%)	10.96% (72.37%)	7.05% (69.59%)	5.36% (67.74%)	23.88% (65.52%)
三連複	6.22% (72.57%)	7.10% (76.59%)	5.47% (70.10%)	4.17% (49.92%)	16.44% (71.42%)	8.28% (75.13%)	4.61% (71.83%)	16.58% (68.21%)
三連単	1.74% (95.18%)	1.95% (116.29%)	1.58% (78.37%)	0.83% (28.75%)	4.11% (160.68%)	2.60% (120.27%)	1.24% (80.91%)	16.58% (65.00%)
総合	59.28% (77.50%)	58.97% (78.03%)	58.87% (76.89%)	69.17% (78.42%)	74.89% (90.10%)	64.40% (81.42%)	56.16% (74.58%)	88.86% (68.59%)

昨年を検証してみるとかなり頑張ってはいるんですが、もう一つ上に行ききれない。今はModel Builderで24時間学習させてるので、明日仕事終わった後の結果待ちです。

追記 2026.5.6 20:02
Model Builderの24時間学習で得たのは\(R^{2}\)値0.2651で、

3,455R	1点	芝(1,689R)	ダート(1,646R)	障害(120R)	8頭以下(219R)	9～12頭(809R)	13頭以上(2,427R)	多点
単勝	23.13% (80.47%)	22.20% (75.14%)	24.18% (86.76%)	21.67% (69.33%)	31.51% (80.50%)	25.46% (90.14%)	21.59% (77.25%)	51.61% (75.55%)
複勝	54.15% (86.83%)	54.35% (86.29%)	53.58% (87.33%)	59.17% (87.50%)	68.04% (90.91%)	60.07% (92.22%)	50.93% (84.66%)	87.26% (81.26%)
枠連	12.30% (75.10%)	11.50% (70.97%)	12.45% (75.77%)	21.21% (123.33%)	-- (--)	13.97% (70.52%)	10.96% (71.86%)	26.64% (79.08%)
馬連	9.09% (61.55%)	8.29% (53.17%)	9.54% (67.01%)	14.17% (104.67%)	16.89% (56.12%)	10.75% (62.56%)	7.83% (61.71%)	20.69% (69.63%)
ワイド	22.17% (80.09%)	22.20% (74.79%)	21.63% (84.06%)	29.17% (100.17%)	41.55% (80.55%)	27.19% (82.01%)	18.75% (79.41%)	42.00% (76.43%)
馬単	4.37% (53.58%)	3.67% (41.27%)	5.04% (60.76%)	5.00% (128.42%)	6.85% (37.53%)	4.94% (61.03%)	3.96% (52.55%)	20.69% (67.70%)
三連複	5.56% (67.63%)	6.57% (71.80%)	4.50% (56.82%)	5.83% (157.25%)	18.26% (97.03%)	7.79% (86.60%)	3.67% (58.65%)	14.65% (63.61%)
三連単	1.10% (75.90%)	1.07% (56.85%)	1.15% (53.07%)	0.83% (657.25%)	2.28% (34.61%)	1.48% (146.45%)	0.87% (56.11%)	14.65% (60.59%)
総合	55.22% (72.61%)	55.60% (66.19%)	54.43% (71.42%)	60.83% (179.72%)	73.06% (68.18%)	60.82% (86.44%)	51.75% (67.78%)	87.55% (66.42%)

という感じ。妙に障害が得意?(笑)

追記 2026.5.8 18:47
過去走には1～4コーナーの順位を入れてます。Copilot曰く、これもノイズなので例えば3コーナーのみとか、4コーナーのみを試してみてって事で、AutoMLで4コーナーのみを試すと\(R^{2}\)値が0.2604とかで最高値になるもモデルファイルが86.3MBでロード時にエラーになる使えない奴だったけど、Model Builderで同様の学習させるとこちらは逆に\(R^{2}\)値が0.2589と落ち込んで

3,455R	1点	芝(1,689R)	ダート(1,646R)	障害(120R)	8頭以下(219R)	9～12頭(809R)	13頭以上(2,427R)	多点
単勝	24.11% (82.15%)	22.32% (75.90%)	26.00% (89.96%)	23.33% (62.92%)	33.79% (90.41%)	25.96% (85.78%)	22.62% (80.19%)	52.56% (77.37%)
複勝	55.14% (85.97%)	54.77% (85.35%)	55.22% (86.76%)	59.17% (84.00%)	67.12% (89.45%)	60.82% (90.23%)	52.16% (84.24%)	87.15% (82.44%)
枠連	12.26% (71.10%)	11.07% (68.42%)	12.90% (72.69%)	19.19% (84.04%)	-- (--)	14.09% (64.03%)	10.88% (68.95%)	26.74% (73.56%)
馬連	9.46% (59.30%)	8.70% (57.16%)	9.84% (60.47%)	15.00% (73.50%)	21.46% (70.41%)	11.12% (57.70%)	7.83% (58.83%)	21.13% (66.52%)
ワイド	22.95% (81.59%)	23.62% (82.99%)	21.93% (79.90%)	27.50% (85.17%)	46.58% (88.81%)	27.56% (78.41%)	19.28% (82.00%)	43.79% (81.04%)
馬単	4.52% (49.22%)	3.43% (38.52%)	5.53% (60.40%)	5.83% (46.58%)	9.13% (54.11%)	4.82% (50.48%)	4.00% (48.36%)	21.13% (64.34%)
三連複	6.05% (70.07%)	6.63% (57.52%)	5.41% (74.63%)	6.67% (184.25%)	19.18% (87.17%)	9.02% (95.72%)	3.87% (59.98%)	14.85% (66.43%)
三連単	1.39% (55.93%)	1.42% (46.56%)	1.40% (68.92%)	0.83% (9.58%)	4.11% (86.71%)	1.98% (68.86%)	0.95% (48.84%)	14.85% (62.15%)
総合	56.41% (69.39%)	56.07% (63.96%)	56.44% (74.22%)	60.83% (78.64%)	73.06% (81.01%)	61.56% (73.90%)	53.19% (66.42%)	87.53% (67.00%)

となり数値とはうらはらに的中率は微々たるものだけど上がってますね。もう少しなにかが必要なのかもですが、出来る事は試していきます。

追記 2026.5.9 5:34
AutoMLで6時間またやってみると今回は\(R^{2}\)値は0.2579と低いけど、15.3MBなので

3,455R	1点	芝(1,689R)	ダート(1,646R)	障害(120R)	8頭以下(219R)	9～12頭(809R)	13頭以上(2,427R)	多点
単勝	25.99% (77.15%)	24.63% (73.13%)	27.04% (80.51%)	30.83% (87.58%)	37.44% (86.99%)	26.58% (72.56%)	24.76% (77.79%)	56.85% (77.55%)
複勝	58.55% (84.36%)	58.26% (84.85%)	58.14% (83.57%)	68.33% (88.42%)	73.52% (92.88%)	62.18% (82.18%)	56.00% (84.32%)	88.94% (82.32%)
枠連	14.54% (76.72%)	13.84% (76.11%)	14.49% (75.58%)	25.25% (103.54%)	-- (--)	16.07% (70.06%)	13.10% (74.07%)	30.63% (77.17%)
馬連	11.32% (72.21%)	10.66% (64.61%)	11.48% (79.32%)	18.33% (81.83%)	21.46% (71.46%)	12.98% (63.13%)	9.85% (75.31%)	25.04% (73.78%)
ワイド	25.59% (79.15%)	25.70% (76.91%)	24.97% (81.20%)	32.50% (82.67%)	47.49% (87.99%)	30.28% (78.79%)	22.04% (78.48%)	47.90% (79.95%)
馬単	5.76% (66.34%)	5.03% (53.56%)	6.20% (78.46%)	10.00% (79.83%)	11.87% (77.49%)	5.56% (43.42%)	5.27% (72.97%)	25.04% (71.96%)
三連複	6.54% (74.03%)	7.34% (79.52%)	5.71% (68.30%)	6.67% (75.25%)	18.26% (71.92%)	8.90% (83.21%)	4.70% (71.16%)	16.56% (73.38%)
三連単	1.42% (59.84%)	1.42% (55.89%)	1.40% (62.51%)	1.67% (78.75%)	3.20% (44.38%)	1.98% (62.48%)	1.07% (60.35%)	16.56% (72.78%)
総合	59.62% (73.68%)	59.44% (70.45%)	59.11% (76.18%)	69.17% (84.31%)	78.08% (76.16%)	63.04% (69.48%)	56.82% (74.31%)	89.18% (74.35%)

と的中率が微増でした。これ、何回か回す必要がありそうです。が、一旦またModel Builderで24時間スタート。

追記 2026.5.10 6:44
やはりModel Builderには向かない様で\(R2{2}\)値は0.2571と更に低く、

3,455R	1点	芝(1,689R)	ダート(1,646R)	障害(120R)	8頭以下(219R)	9～12頭(809R)	13頭以上(2,427R)	多点
単勝	23.59% (81.22%)	22.91% (80.48%)	23.82% (81.71%)	30.00% (85.08%)	32.88% (90.46%)	26.82% (94.18%)	21.67% (76.07%)	52.01% (76.77%)
複勝	54.21% (86.06%)	54.71% (87.38%)	53.10% (84.27%)	62.50% (92.17%)	66.67% (89.54%)	60.07% (91.55%)	51.13% (83.92%)	86.95% (82.99%)
枠連	12.30% (76.58%)	11.50% (79.92%)	12.64% (73.81%)	18.18% (72.93%)	-- (--)	14.46% (72.37%)	10.80% (73.12%)	26.18% (76.96%)
馬連	9.09% (62.79%)	8.64% (63.30%)	9.36% (62.55%)	11.67% (58.92%)	20.09% (72.42%)	10.75% (62.46%)	7.54% (62.03%)	21.13% (74.27%)
ワイド	22.14% (82.02%)	22.74% (83.40%)	21.26% (81.40%)	25.83% (71.08%)	44.75% (91.92%)	26.95% (82.21%)	18.50% (81.07%)	43.15% (84.19%)
馬単	4.69% (59.27%)	4.20% (55.69%)	5.10% (63.48%)	5.83% (51.92%)	10.05% (67.76%)	5.32% (62.32%)	4.00% (57.49%)	21.13% (71.50%)
三連複	5.85% (70.83%)	6.99% (67.83%)	4.74% (70.16%)	5.00% (122.25%)	21.46% (99.09%)	8.03% (79.32%)	3.71% (65.45%)	14.79% (69.70%)
三連単	1.04% (67.41%)	1.12% (47.50%)	0.97% (88.66%)	0.83% (56.08%)	4.11% (78.04%)	1.36% (50.90%)	0.66% (71.95%)	14.79% (63.96%)
総合	55.60% (73.23%)	56.19% (70.49%)	54.37% (75.77%)	64.17% (76.38%)	72.15% (84.17%)	61.19% (74.41%)	52.25% (71.39%)	87.18% (69.90%)

Model Builderでは元のままの方が無難と感じました。で、AutoMLで6時間×10回をスタートさせました。

さらだリリースから2年

もう2年も経つのに未だにまだまだなのは自分の力の無さを実感させられますね。それでも、頭が回る限りは開発継続してもって良いものに仕上げられればと思う反面、仕上げきる前に何らかの理由で、まあ、それは衰えとか他の障害の不安もあるけど、やり切れない事に対する不安が無い訳じゃない。

根本的に頼りにしているAIによる予測。この進化も未知。自分がそれをフルに使いきる理解が出来、それをコードで記述しきる能力があるかも微妙なんですが、それすらAIに頼ってます。コーディングは間違いなく楽に出来る世の中になってます。しかも、あまり知識が無い状態でも可能な時代に入ってます。似たようなアプリもある中、少しでも必要とされるアプリの1つに少しでも早く仕上げられるように努力は続けます。

一時はさらだ64構想でWinUI3使ったものを進めてたけど、多分JRA-VANは64bit版JV-Linkは出さない。まあ、出して来た時には対処出来る頭の回転が維持出来ていれば対処したい。でも、それは一旦封印しないとそもそものアプリの作業がおろそかになりそうなので^^;

ただ、単勝的中率3割、複勝的中率6割を目標にしてるんですが、壁が厚いです。いや、まあ、そんな簡単に行くものではないのも理解してますけど、その昔からある予想アプリはそれに近いものが存在してたと記憶してます。現時点での相対タイムの学習モデルでもAutoMLなら随分と近くはなってます。でも、次の1歩がなかなかなんですよね。

GWも明日までで、また仕事が始まる。その昔、仕事辞めてアプリ開発に専念した方とかもいましたが、今の自分にはその選択は無い。限られた時間を有効に使って開発したいとAIに頼って、逆に数日無駄にする(笑) この繰り返しを少なく出来る工夫は必要で、ソースの世代管理をうまく出来る方法を早急に見つけなきゃいけないと思ってます。

相対タイムって

先日から導入している相対タイムは単純に\(\frac{走破タイム}{平均タイム}\)でした。しかし、これではノイズが多過ぎるって話から\(\frac{走破タイム}{基準タイム}\)に変更する事にしました。既にコーディングは済ませ、CSV出力して昨夜Model Builderで24時間学習スタートさせてます。この修正前に同じくModel Builderで24時間学習させたモデルは\(R^{2}\)値 0.2614で

3,455R	1点	芝(1,689R)	ダート(1,646R)	障害(120R)	8頭以下(219R)	9～12頭(809R)	13頭以上(2,427R)	多点
単勝	22.17% (72.16%)	21.43% (69.27%)	23.03% (76.52%)	20.83% (53.00%)	33.33% (85.34%)	25.34% (73.41%)	20.11% (70.55%)	51.66% (77.06%)
複勝	53.14% (83.40%)	53.94% (83.94%)	52.13% (83.27%)	55.83% (77.58%)	69.86% (94.20%)	58.96% (84.05%)	49.69% (82.20%)	87.38% (83.10%)
枠連	12.30% (78.40%)	11.92% (83.28%)	12.39% (73.58%)	16.16% (85.66%)	-- (--)	13.72% (66.50%)	11.04% (77.39%)	26.96% (80.55%)
馬連	9.44% (76.89%)	9.24% (80.61%)	9.36% (73.86%)	13.33% (66.08%)	22.83% (94.75%)	10.38% (52.90%)	7.91% (83.27%)	20.67% (69.73%)
ワイド	22.72% (85.32%)	23.74% (89.26%)	21.45% (82.10%)	25.83% (74.00%)	50.23% (102.24%)	26.58% (74.65%)	18.95% (87.35%)	42.58% (81.30%)
馬単	4.83% (63.26%)	4.85% (70.91%)	4.80% (57.39%)	5.00% (36.08%)	13.24% (111.96%)	4.94% (43.42%)	4.04% (65.47%)	20.67% (68.61%)
三連複	5.62% (81.04%)	6.34% (72.21%)	4.80% (87.15%)	6.67% (121.58%)	18.72% (149.04%)	7.42% (78.01%)	3.83% (75.92%)	14.70% (69.06%)
三連単	1.30% (68.64%)	1.12% (60.04%)	1.40% (71.16%)	2.50% (155.08%)	5.48% (315.71%)	1.73% (80.53%)	0.78% (42.38%)	14.70% (65.17%)
総合	54.56% (76.11%)	55.54% (76.04%)	53.34% (75.64%)	57.50% (83.59%)	74.89% (136.18%)	59.83% (69.19%)	50.97% (73.07%)	87.73% (69.84%)

という昨年の検証結果を出してますが、これがどこまで伸びるか今晩遅くにはここに追記しますね。現時点で13時間程度過ぎた所ではまだ\(R^{2}\)値は0.2611までです^^;

追記 2026.5.4 23:12
\(R^{2}\)値は0.2619で

3,455R	1点	芝(1,689R)	ダート(1,646R)	障害(120R)	8頭以下(219R)	9～12頭(809R)	13頭以上(2,427R)	多点
単勝	23.82% (84.28%)	22.79% (81.17%)	25.03% (89.10%)	21.67% (62.00%)	31.05% (78.68%)	24.72% (80.80%)	22.87% (85.95%)	52.33% (76.87%)
複勝	54.33% (85.33%)	53.76% (83.42%)	54.86% (87.59%)	55.00% (81.25%)	67.58% (89.27%)	59.33% (87.96%)	51.46% (84.10%)	87.12% (83.32%)
枠連	13.21% (81.20%)	12.92% (84.10%)	13.09% (77.45%)	19.19% (99.39%)	-- (--)	14.34% (66.77%)	11.99% (80.85%)	27.03% (77.65%)
馬連	10.13% (71.96%)	10.07% (68.15%)	9.90% (76.42%)	14.17% (64.50%)	21.00% (64.20%)	11.00% (60.38%)	8.86% (76.52%)	21.13% (70.12%)
ワイド	22.75% (80.68%)	23.80% (80.94%)	21.51% (80.95%)	25.00% (73.17%)	45.21% (81.64%)	26.45% (78.85%)	19.49% (81.20%)	43.21% (80.24%)
馬単	5.15% (72.60%)	4.62% (57.04%)	5.71% (90.56%)	5.00% (45.25%)	9.13% (51.14%)	3.83% (38.90%)	5.23% (85.77%)	21.13% (68.64%)
三連複	5.76% (76.97%)	6.99% (86.79%)	4.50% (60.20%)	5.83% (168.75%)	18.26% (88.26%)	8.28% (98.36%)	3.79% (68.82%)	14.93% (62.53%)
三連単	1.27% (46.32%)	1.30% (38.47%)	1.22% (52.98%)	1.67% (65.67%)	3.65% (33.29%)	1.48% (52.68%)	0.99% (45.38%)	14.93% (61.44%)
総合	55.43% (74.83%)	54.83% (72.26%)	55.89% (76.90%)	57.50% (82.12%)	70.32% (69.50%)	60.20% (70.59%)	52.49% (76.07%)	87.47% (67.26%)

と数値通りわずかに的中率が上がってはいる感じだが微妙なブレがある感じだ。

MathJax Test

 $$ x = \frac{-b \pm \sqrt{b^2 - 4ac}}{2a} $$

Bloggerで記事内に数式を簡単に入れられるMathJaxを入れてみました。

累計: \(R^{2}\)

分数]: \(\frac{b}{a}\)

第173回天皇賞(春)

どたばたとGWもコーディングしまくって学習もさせてな日々。相変わらずチェック甘くて新バージョンリリースするも即バグ修正版のリリースorz ユーザー様にはご迷惑お掛けしてます。今年のGWは若干短めの7連休のみ。いや、例年ならもう少し長いのですが曜日の並び的になのか、休んでられない状況なのかは不明ですがこれも仕方ないですね。正社員とかなら合間の出勤日埋めて連休長くするのも有りとは思うけど、肩身の狭い派遣社員では我慢ですね。

取敢えず昨日から学習させていたModel Builderのモデルをリリースバージョンに添付しました。どうもAutoMLに比べて高めのR2値が出るものの的中率は低く回収率はは高めってのがModel Builderの現状ですね。この特徴量ではまだそれ程学習させてないので色々試していくしかないし、それでもダメならまた特徴量を増やす事も検討します。

前置きが長くなりましたが、当然独自に予想しました。

当たり前に穴狙いです。秋には牝馬の記憶はあるけど、春は牝馬って来れるのかな? まあ、そんなのも気になるけど狙ってみます。

まあ、来れば嬉しいけど、無理か(笑)

試行錯誤

今回の相対タイム追加はCopilotの助言から色々とやり過ぎた感があり、GWで時間的に余裕があるからと作業進めたものの調子に乗ってCopilotの話を真に受け過ぎた(笑) 反省してここの所でかなり追加した相対タイム用の特徴量を削除してやり直す判断したものの、削除し過ぎて少し復元。そんな状態で今やっとAutoMLの6時間学習中なんですが、R2が0.255とかが欲しいのに2時間近く学習させてもR2 0.2457とちと不安はある。もし、0.25超えない様だと更に特徴量を復元する必要もありそうで😖 今週末の競馬には間に合うと思ってたのに厳しいかも。

ガンガンと突き進めたので、どんな順番で何追加したらどの程度とかが分からないのが辛い。まあ、アプリの更新記録には項目が書いてあったりするけど...ああっ、過去馬体重まで入ったのを前回リリースしてたんだな。って事はここまでは復元必要かorz 面倒だけど、やるしかないか。

追記 2026.5.2 6:07
昨夜6時間学習させて得たR2 0.2522は決してこれまでに得られた最適R2には届いてないけど、

3,455R	1点	芝(1,689R)	ダート(1,646R)	障害(120R)	8頭以下(219R)	9～12頭(809R)	13頭以上(2,427R)	多点
単勝	25.93% (77.89%)	25.16% (75.76%)	26.79% (80.69%)	25.00% (69.50%)	37.90% (92.65%)	27.44% (75.72%)	24.35% (77.28%)	56.27% (77.27%)
複勝	57.71% (83.92%)	57.79% (84.45%)	57.35% (83.61%)	61.67% (80.67%)	73.97% (94.98%)	61.68% (82.51%)	54.92% (83.40%)	89.12% (81.55%)
枠連	14.44% (78.69%)	13.34% (78.02%)	14.55% (75.91%)	28.28% (132.32%)	-- (--)	15.45% (68.81%)	13.19% (76.99%)	30.24% (76.76%)
馬連	11.00% (69.37%)	10.54% (65.16%)	10.87% (72.21%)	19.17% (89.92%)	21.00% (55.94%)	12.11% (58.76%)	9.72% (74.12%)	24.20% (69.60%)
ワイド	24.86% (77.25%)	25.04% (75.46%)	23.94% (77.93%)	35.00% (93.08%)	47.03% (89.41%)	28.92% (76.06%)	21.51% (76.55%)	47.44% (74.24%)
馬単	5.64% (61.82%)	5.27% (60.27%)	5.71% (62.11%)	10.00% (79.75%)	10.96% (45.21%)	6.67% (56.40%)	4.82% (65.13%)	24.20% (66.78%)
三連複	5.82% (69.78%)	6.99% (65.17%)	4.80% (74.42%)	3.33% (71.00%)	18.26% (75.94%)	6.92% (56.92%)	4.33% (73.51%)	16.64% (70.49%)
三連単	1.36% (57.07%)	1.54% (46.22%)	1.22% (68.27%)	0.83% (56.08%)	3.20% (23.52%)	1.73% (32.29%)	1.07% (68.36%)	16.64% (65.15%)
総合	58.93% (71.88%)	59.03% (68.62%)	58.57% (74.39%)	62.50% (82.96%)	77.17% (68.23%)	62.79% (63.43%)	56.00% (74.42%)	89.41% (68.99%)

現在はModel Builderでも学習中でこちらは12時間で今日の競馬には間に合う時間には終わるけど、現時点でR2 0.2562が残り時間でどこまで伸びるか。前回Model Builderで学習させた時はAutoMLに比べ高いR2値の割に精度が低い印象なので、出来たものを実際に検証してみない事には何とも言えないんだよね。

昨夜↑の学習後、再度AutoMLで12時間行くかModel Builderで行くかは悩んだんだが、本来両方行ければ良いけど、それやると多分64GBでもメモリ的にもきついし、CPUももっと最先端でGPU的になAIマシンなら可能なんだとは思うけど、次のマシンは何時になったら組めるかなぁ。数年前に128GBが5～6万円だった記憶なのに今は5倍程度の25万円以上だしorz 自分は64GBを3万円弱で増設してたのは幸いなんだが、このマシンも今年はいよいよ丸8年になる。最近は起動時に画面出力がいかれて再起動とかチョイチョイあるからグラボが怪しくなってきてると思うし^^;

追記 2026.5.2 9:06
Model BuilderはR2 0.2579で、

3,455R	1点	芝(1,689R)	ダート(1,646R)	障害(120R)	8頭以下(219R)	9～12頭(809R)	13頭以上(2,427R)	多点
単勝	23.15% (81.15%)	21.79% (72.40%)	24.79% (92.00%)	20.00% (55.50%)	35.16% (91.60%)	24.85% (83.55%)	21.51% (79.41%)	51.46% (78.00%)
複勝	54.18% (85.74%)	53.76% (84.48%)	54.43% (86.76%)	56.67% (89.50%)	69.41% (95.66%)	58.10% (86.79%)	51.50% (84.50%)	87.79% (83.74%)
枠連	11.84% (80.42%)	10.50% (68.72%)	12.58% (90.98%)	19.19% (79.09%)	-- (--)	13.23% (80.58%)	10.63% (75.27%)	26.25% (76.92%)
馬連	8.94% (74.47%)	8.29% (67.19%)	9.11% (81.87%)	15.83% (75.42%)	23.29% (104.20%)	9.89% (49.69%)	7.33% (80.05%)	20.84% (71.97%)
ワイド	22.84% (86.33%)	23.68% (87.04%)	21.57% (85.32%)	28.33% (90.33%)	48.40% (98.13%)	26.82% (79.16%)	19.20% (87.66%)	42.69% (80.51%)
馬単	4.34% (64.56%)	4.09% (72.91%)	4.43% (56.31%)	6.67% (60.17%)	11.42% (91.51%)	4.33% (37.17%)	3.71% (71.26%)	20.84% (70.35%)
三連複	5.35% (64.70%)	5.68% (57.35%)	5.10% (70.32%)	4.17% (91.17%)	14.16% (76.85%)	7.54% (79.25%)	3.83% (58.76%)	14.56% (73.05%)
三連単	1.10% (58.27%)	1.18% (56.42%)	1.03% (63.73%)	0.83% (9.58%)	3.65% (126.62%)	1.36% (35.28%)	0.78% (59.77%)	14.56% (71.73%)
総合	55.40% (74.38%)	55.00% (70.86%)	55.59% (78.34%)	58.33% (68.62%)	72.60% (97.80%)	59.21% (66.43%)	52.58% (74.58%)	88.08% (73.63%)

やはり、R2値的には高くても的中率はそれ程ではないのはModel Builderの特性なのかな。取敢えずAutoMLで12時間スタートするしか選択肢はなさそうなので。

SQLite Version 3.53.0

System.Data.SQLiteがVersion 2.x.x以降は本体にはSQLiteを含まずにSourceGear.sqlite3を個別にNuGetで入れる事を薦めながら、作者本人は適度に更新はするけどと言いつつ半年放置。フォーラムでそれ突かれると、別に自分でビルドしたりプリコンパイルダウンローとして使えば?って塩対応。そんな面倒はって反応に、有料なら最新バージョン手に入るよ?ってorz

それ程最新SQLiteが気になる訳じゃないけど、流石に採用しているVersion 3.50.4.5ってSQLiteでいうところのVersion 3.50.4で、これは2025.7.30リリースです。最新版Version 3.53.0は今月9日にリリースされてます。流石にこれを"適度に更新"っておかしいよねって投稿者には賛同しますね。

LightGBMとかはソースから自分でビルドしたりもしましたが、そこまで必要ないかなって事で本家が用意している

DLL for Windows x86 (32-bit), SQLite Version 3.53.0

をダウンロードして解凍。sqlite3.dllとsqlite3.defが出てくるのでdllの方をe_sqlite3.dllとリネーム。Copilotにこれプロジェクトにどうすれば良いの?って質問してもまともな回答は出来ないので、Geminiにも質問。これまたダメ(笑) まあね、所詮はAIなんてネット上に具体的な話とかピンポイントで見つけられないとダメなんだよね。で、これは

C:\Users\<ユーザー>\.nuget\packages\sourcegear.sqlite3\3.50.4.5\runtimes\win-x86\native\e_sqlite3.dll

にNuGetでインストールしたSourceGear.sqlite3が入れたものがあるのでこれを上書きしなきゃダメですね。

追記 2026.4.29 11:44
どうせModel Builderで12時間学習中で時間あるのでフルセットアップしてみました。うらで学習させている割には

まあ、早い感じですかね。

相対タイムをModel Builderで

そのうち試さなきゃとは思ってたんですが、昨夜1時間程度試して問題ない事を確認後に6時間学習させるとあっさりとR2 0.2618が出た。

3,455R	1点	芝(1,689R)	ダート(1,646R)	障害(120R)	8頭以下(219R)	9～12頭(809R)	13頭以上(2,427R)	多点
単勝	22.17% (77.81%)	20.78% (73.59%)	23.33% (82.25%)	25.83% (76.25%)	30.59% (76.48%)	25.22% (84.29%)	20.40% (75.77%)	51.64% (77.62%)
複勝	52.65% (84.56%)	52.34% (82.59%)	52.37% (86.36%)	60.83% (87.50%)	65.30% (84.84%)	59.46% (90.11%)	49.24% (82.68%)	86.98% (82.99%)
枠連	12.20% (77.85%)	11.71% (76.59%)	12.26% (77.90%)	18.18% (95.15%)	-- (--)	14.34% (70.52%)	10.71% (75.36%)	26.05% (75.89%)
馬連	9.03% (65.00%)	8.94% (72.57%)	8.81% (57.40%)	13.33% (62.67%)	19.18% (60.18%)	11.37% (71.59%)	7.33% (63.23%)	20.32% (68.67%)
ワイド	21.56% (81.16%)	22.44% (83.00%)	20.17% (77.10%)	28.33% (111.08%)	42.47% (80.18%)	27.81% (89.77%)	17.59% (78.38%)	42.20% (79.61%)
馬単	4.40% (63.47%)	4.03% (69.13%)	4.62% (57.62%)	6.67% (64.08%)	9.59% (48.22%)	5.44% (79.51%)	3.58% (59.50%)	20.32% (67.45%)
三連複	5.41% (63.63%)	6.16% (65.87%)	4.62% (58.27%)	5.83% (105.50%)	18.72% (92.92%)	7.54% (77.16%)	3.50% (56.48%)	13.75% (64.50%)
三連単	0.96% (42.08%)	1.01% (52.64%)	0.85% (30.47%)	1.67% (52.75%)	1.83% (23.52%)	1.61% (46.85%)	0.66% (42.17%)	13.75% (61.37%)
総合	54.21% (69.33%)	54.11% (71.90%)	53.58% (65.86%)	64.17% (81.58%)	71.23% (66.62%)	60.82% (76.22%)	50.47% (66.70%)	87.32% (67.05%)

悪い訳じゃないけど、AutoMLの方が的中率は全然よかった。R2値だけでは見えない部分かな。初回の学習なので、もう少し継続する必要はあるのかな^^; まあ、取敢えず12時間スタート。

相対タイムの初検証

ここの所取り組んでいた作業で、やっとその成果が確認出来る所まで来ました。学習し始めた時にはRMSEで異常な位低い値で何か間違えてたかって感じでしたが、それは単にこれまでの走破タイム予測と今回の相対タイム予測では単位というかスケールの違いからって話と、評価指数として今回の学習にはRMSEは不向きでR2(R二乗)の方がって事で、数日前に得たR2が0.20236ってモデルを検証してみる事にしました。

3,455R	1点	芝(1,689R)	ダート(1,646R)	障害(120R)	8頭以下(219R)	9～12頭(809R)	13頭以上(2,427R)	多点
単勝	24.02% (73.77%)	22.62% (72.50%)	25.64% (75.87%)	21.67% (62.75%)	31.05% (67.81%)	25.59% (71.67%)	22.87% (75.01%)	54.41% (77.27%)
複勝	55.60% (82.30%)	54.41% (82.02%)	56.38% (82.79%)	61.67% (79.67%)	66.67% (83.38%)	59.70% (79.70%)	53.23% (83.07%)	88.74% (81.70%)
枠連	13.85% (78.71%)	13.13% (78.99%)	14.04% (76.93%)	21.21% (102.93%)	-- (--)	16.19% (73.73%)	12.20% (75.37%)	28.46% (75.95%)
馬連	10.54% (74.04%)	9.83% (64.34%)	11.00% (84.02%)	14.17% (73.67%)	22.83% (68.13%)	12.36% (64.54%)	8.82% (77.74%)	22.63% (69.79%)
ワイド	24.31% (78.97%)	23.98% (76.47%)	24.42% (81.91%)	27.50% (73.83%)	49.32% (91.42%)	27.81% (70.94%)	20.89% (80.53%)	45.90% (74.49%)
馬単	5.56% (76.16%)	5.21% (61.61%)	5.95% (93.82%)	5.00% (38.92%)	10.96% (50.09%)	6.06% (53.78%)	4.90% (85.98%)	22.63% (68.88%)
三連複	5.47% (52.80%)	6.28% (49.05%)	4.74% (57.46%)	4.17% (41.83%)	15.07% (67.12%)	7.66% (54.94%)	3.87% (50.80%)	15.57% (65.68%)
三連単	1.13% (31.77%)	1.36% (29.53%)	0.85% (33.05%)	1.67% (45.75%)	2.28% (22.74%)	2.22% (61.53%)	0.66% (22.66%)	15.57% (59.30%)
総合	56.90% (68.43%)	55.95% (64.00%)	57.41% (73.21%)	63.33% (64.07%)	72.60% (64.38%)	60.57% (66.36%)	54.26% (68.89%)	89.03% (65.96%)

これは的中率的には随分とい感じなんですが、まあ、欲を言えばもう少しって感じですね。ああ、これ、学習データが2004年～2024年なので2025年の1年通しての検証結果です。

回収率的に言えば、何も考えずに買い続けて儲けが出るのは障害の枠連のみと、寂しい結果なんですが、元々ワイドが基本だった馬券スタイルなので、そのワイドがやっとこのレベルまで的中率が上がった事が、今後に期待出来るかなぁと思ってます。

まだまだ始めたばかりの新たな学習モデルなので、ここから更に精度が上げられればと期待して、更に進めてみます。

追記 2026.4.24 18:50
更にCopilotにアドバイス頂きながら改良して得たR2が0.2514ってモデルで検証すると

3,455R	1点	芝(1,689R)	ダート(1,646R)	障害(120R)	8頭以下(219R)	9～12頭(809R)	13頭以上(2,427R)	多点
単勝	25.04% (75.10%)	23.74% (69.83%)	25.82% (78.77%)	32.50% (98.92%)	35.62% (82.92%)	27.56% (77.13%)	23.24% (73.71%)	55.86% (77.36%)
複勝	56.85% (83.03%)	55.18% (79.86%)	58.02% (86.07%)	64.17% (85.83%)	70.32% (88.36%)	61.56% (82.50%)	54.06% (82.72%)	89.09% (81.58%)
枠連	13.21% (71.87%)	12.63% (68.67%)	13.02% (73.04%)	24.24% (98.59%)	-- (--)	16.32% (68.21%)	11.33% (68.52%)	29.23% (76.79%)
馬連	10.27% (64.71%)	9.77% (57.81%)	10.33% (71.25%)	16.67% (72.08%)	23.74% (75.11%)	13.47% (70.98%)	7.99% (61.68%)	23.56% (68.88%)
ワイド	23.88% (73.80%)	24.10% (72.10%)	23.09% (75.65%)	31.67% (72.42%)	51.60% (103.97%)	30.28% (78.55%)	19.24% (69.49%)	46.45% (74.89%)
馬単	5.59% (64.72%)	5.33% (61.75%)	5.53% (65.81%)	10.00% (91.50%)	14.61% (82.01%)	7.29% (78.42%)	4.20% (58.59%)	23.56% (66.42%)
三連複	5.99% (77.25%)	6.93% (72.99%)	5.16% (84.20%)	4.17% (41.83%)	15.53% (79.41%)	8.28% (69.42%)	4.37% (79.66%)	16.56% (72.36%)
三連単	1.39% (80.25%)	1.36% (64.52%)	1.46% (97.84%)	0.83% (60.42%)	2.28% (28.31%)	2.60% (126.07%)	0.91% (69.67%)	16.56% (65.89%)
総合	58.03% (73.87%)	56.78% (68.44%)	58.81% (79.11%)	65.00% (77.23%)	75.80% (77.16%)	61.93% (81.41%)	55.13% (70.51%)	89.49% (69.47%)

って感じで、確実に改善してきてますね。ただ、じぶんの好みのワイドの的中率が1点だと下がったのが少し気にはなるけど、まだまだ、これからだと期待して進めます。

追記 2026.4.25
幻になるR2 0.2554なモデルが今日出たんですが、実質記念に検証しただけで既に最新バージョンでは更新続けてたので使えません(笑)

3,455R	1点	芝(1,689R)	ダート(1,646R)	障害(120R)	8頭以下(219R)	9～12頭(809R)	13頭以上(2,427R)	多点
単勝	26.28% (78.71%)	25.75% (78.00%)	26.73% (80.26%)	27.50% (67.50%)	35.62% (82.88%)	27.44% (74.14%)	25.05% (79.86%)	55.98% (76.74%)
複勝	58.00% (83.30%)	57.49% (83.27%)	57.96% (83.08%)	65.83% (86.67%)	71.23% (89.73%)	62.30% (82.60%)	55.38% (82.95%)	88.65% (80.59%)
枠連	14.54% (76.89%)	14.34% (77.91%)	13.98% (73.60%)	26.26% (114.75%)	-- (--)	17.68% (77.70%)	12.57% (71.75%)	30.27% (78.53%)
馬連	11.20% (70.70%)	10.95% (67.67%)	10.87% (72.45%)	19.17% (89.25%)	22.83% (74.89%)	14.34% (70.90%)	9.11% (70.25%)	24.17% (71.74%)
ワイド	25.99% (82.35%)	26.29% (80.62%)	25.27% (84.03%)	31.67% (83.58%)	50.23% (98.36%)	32.26% (90.43%)	21.71% (78.21%)	47.00% (74.81%)
馬単	5.96% (71.12%)	5.68% (69.28%)	5.83% (70.81%)	11.67% (101.33%)	13.24% (86.16%)	7.42% (64.10%)	4.82% (72.11%)	24.17% (70.27%)
三連複	5.99% (64.30%)	7.10% (70.89%)	5.10% (61.04%)	2.50% (16.08%)	16.44% (81.83%)	7.66% (56.92%)	4.49% (65.18%)	16.56% (68.83%)
三連単	1.22% (30.13%)	1.48% (37.36%)	0.91% (21.77%)	1.67% (43.17%)	4.11% (59.82%)	1.85% (39.63%)	0.74% (24.29%)	16.56% (64.64%)
総合	59.42% (69.59%)	59.03% (70.47%)	59.23% (68.35%)	67.50% (74.41%)	76.71% (81.95%)	63.29% (69.55%)	56.57% (68.07%)	89.00% (69.20%)

これ以上のものがこの後のバージョンで出てくれる事に期待してます。

第86回皐月賞

相対タイム導入でひたすら作業してたんですが、本日午前中にGeminiに愛想つかしてGeminiにダメ出し後に自力で動くコードに戻す。相変わらずAIの頑固な考えには呆れます。そんなメソッドはそのクラスには無いよって言ってるのに何度も同じコードを提示するとかはさ、人間の世界では完全にNGですよね。リアルな会社で上司に間違い指摘され、更に同じミスを何度もした場合、まあ、現代の日本ではモラルなんかで守られているとはいえ、自分の時代の学校で先生に「1+1=3」ですって回答して、それ間違ってるよね? 正しい答えは? って言われ、再度「1+1=3」ですって回答して、これ多分数回続けたら殴られるか校長室に連れていかれるよね。

まあ、なんにしても、そんな作業を含め昨日は全く競馬してない(笑) 流石に時間的に一旦競馬しておこうかとね、独自予想です。

相変わらずです。

シンプルに穴狙いで行きます。でまあ、作業に戻ります。

ひたすらコーディング

連日コーディングに明け暮れてます。最近はCopilotだけではなくGeminiも以前と比べやり取りが増えてます。そもそもどちらもAIなんですが、それぞれの企業の味が出てるって事なのかは分かりませんが、どちらも同じネット上の情報を元にしているにしては結構違いがある。

ああっ、前にGeminiに移行を考えてChromeへの乗り換えも検討した時に垂直タブ未対応で断念したChromeに確か最近垂直タブが実装されたようだけど、まだ試してないな。今はそんな余裕が無いってのもありますけどね。

モデル学習が壁にぶち当たってる感が半端なくて、まあそりゃ昨年８月辺りからだから、下手すれば１年経ってしまいそうな危機感で色々とやってきてました。で、たどり着いたのが今の作業です。ここまで基本3つの学習モデルに予想を託してきました。

• 新馬戦用走破タイム予測
• 通常用走破タイム予測
• 順位予測(上記走破タイムを使用)

しかし、ここ最近ってか昨年８月から行っている作業ではRMSE 1.4の壁どころか1.45辺りにも壁が出来た感じがしてたんですよ。そこでまあ色々と試してきました。ここ最近はUbuntuでの学習とかね。でも、それも良い結果は得られず初心に帰った訳じゃないけど、そもそものAutoMLの使い方の改善。いや、実際にはML.NETのバージョンアップ関連での改善なのか改悪なのかは不明だけどRMSE 1.38とかは幻と化した。CopilotにもAutoMLの使い方の改善を相談したり、Geminiにも同様に相談した。

そんな中でGeminiがそもそも走破タイムの予測自体がAI的(AutoML)に限界まで改善はしての結果だから予測を変えた方が良いのでは?って提案をしてきたんです。それが相対タイム。その実装でひたすらコーディングしてるんですが、ここ数日、厳密には水曜日辺りからその学習用CSV出力をまず取り掛かって一応これまで同様にCKの有無で２種類。で、その過程でこれまでの走破タイム予測モデルの学習用CSV出力を参考にちょっと変えれば出来る話なのでと思いながら、でも、これってこれまで2～3時間掛かる処理だったけど、これも最適化しておいてからマネして作る方が無難と判断。巨大化した機械学習用のクラスを分割して

internal class MLTime : IDisposable

としてたクラスを

public partial class MLTime : IDisposable

として、追加するクラスを

public partial class MLTime

としながらプロパティやメソッドをそちらに分けて書く。なんとなく、自分的に分かりやすくする為に元々"MLTime.cs"ってファイル名だったので、追加のクラスのファイル名は"MLTime.SouhaCKCsv.cs"とする事で同じクラスだと認識しやすくしてみた。

で、Copilotに振り回され木曜夜は０時過ぎまで、昨夜はってか今朝方３時までやっても上手く動かず、今朝も朝からやって、いや、ほぼマジでCopilotに切れて文句言いながら修正させてたどり着いたのが15分ちょっとで2004年から2024年までの21年分出力が可能になった^^ まあ、先日もフルセットアップが改善して1時間掛からなくなったりしてたので期待はしてたけど、今朝やっとコンパイルエラーとか諸々なくなり走らせてみると終了予想が2,000分以上とかで、Copilotに「やっと走ってるっていうより、老人が歩いてるよ」って言いながらたどり着けた結果です。

自分自身はあまり理解してないけど、新たなC#の技法(いや、単に自分が知らないだけなんだが)は

// CK 用：列インデックス → SCSrc の PropertyInfo
private bool _ckMapInitialized;
private Action<SCSrc, int>[] _ckSetters;

を定義しておいて

    private string ColumnToProperty(string col)
    {
        // 例: "D2428C1" → "D2428Chaku1"
        //     "J01T3"   → "J01TChaku3"
        //     "KT5"     → "KTChaku5"

        // 数字部分を抽出（末尾の数字が着順）
        int len = col.Length;
        int pos = len - 1;

        // 末尾の数字を探す
        while (pos >= 0 && char.IsDigit(col[pos]))
            pos--;

        // col = prefix + number
        string prefix = col.Substring(0, pos + 1);   // 例: "D2428C"
        string numStr = col.Substring(pos + 1);      // 例: "1"

        // prefix の末尾が 'C' なら削除（D2428C → D2428）
        if (prefix.EndsWith("C"))
            prefix = prefix.Substring(0, prefix.Length - 1);

        // プロパティ名は prefix + "Chaku" + number
        return prefix + "Chaku" + numStr;
    }

これはまあ特になんじゃなく単に今回のASでの定義してる名前を処理しやすくする為とかでCopilotに言われて入れたけど、実際の使い方は

    private void ReadCkStats(DateTime kaisaibi, string jouCD, byte rno, long ketto, ref SCSrc scSrc)
    {
        _cmdSTCK.Parameters["@KAISAI"].Value = kaisaibi;
        _cmdSTCK.Parameters["@JOUCODE"].Value = jouCD;
        _cmdSTCK.Parameters["@RACENO"].Value = rno;
        _cmdSTCK.Parameters["@KETTO"].Value = ketto;

        using var rd = _cmdSTCK.ExecuteReader();
        if (!rd.Read())
            return;

        // ★ 最初の1回だけ setter delegate を作る
        if (!_ckMapInitialized)
        {
            int count = rd.FieldCount;
            _ckSetters = new Action<SCSrc, int>[count];

            var scType = typeof(SCSrc);

            for (int i = 4; i < count; i++)
            {
                string col = rd.GetName(i);
                string propName = ColumnToProperty(col);
                var prop = scType.GetProperty(propName);
                if (prop == null)
                    continue;

                // setter メソッドを取得
                var setMethod = prop.GetSetMethod();
                if (setMethod == null)
                    continue;

                // ★ setter をコンパイル済み delegate に変換
                var setter = (Action<SCSrc, int>)Delegate.CreateDelegate(
                    typeof(Action<SCSrc, int>),
                    null,
                    setMethod,
                    throwOnBindFailure: false
                );

                if (setter != null)
                {
                    _ckSetters[i] = setter;
                }
                else
                {
                    // short プロパティ用のラッパー
                    if (prop.PropertyType == typeof(short))
                    {
                        _ckSetters[i] = (sc, v) => prop.SetValue(sc, (short)v);
                    }
                    else
                    {
                        _ckSetters[i] = (sc, v) => prop.SetValue(sc, v);
                    }
                }
            }

            _ckMapInitialized = true;
        }

        // ★ 以降は delegate 呼び出しだけ（超高速）
        for (int i = 4; i < rd.FieldCount; i++)
        {
            var setter = _ckSetters[i];
            if (setter == null)
                continue;

            int value =
                rd.IsDBNull(i) ? 0 :
                rd.GetFieldType(i) == typeof(int) ? rd.GetInt32(i) :
                rd.GetInt16(i);

            setter(scSrc, value);
        }
    }

こんな感じらしい。これ見てもあまり理解してない自分が情けないけど^^;

第86回桜花賞

ひたすらコード書いてる週末でした。今回はちょっと、まあ、Ubuntuで学習的な寄り道もありましたが、ここまで殆どノータッチだったAutoMLにメスを入れました(笑) で、先程24時間×5をスタートしたので金曜日の仕事から帰宅した時には終わっている筈です。ちょっと期待している反面、どうもML.NETが新しくなった事による攻めの甘さがあるとかなんとか^^; それが以前はRMSE 1.4未満が出たりしたのに最近出ない原因なのでは?って辺りもなんですが、Model Builderに負けてばかりも微妙だしなAutoMLって事も踏まえての挑戦かなぁ。

それ以外にもここまでほぼ放置状態だった、本来のさらだのレース詳細表示の標準モードで搭載済みなものを詳細モードにもって事で、その作業もしてます。しかし、ここで問題は詳細モード的には使うフォントを"MS Gothic UI 12"にすると想定通りの表示が出来るけど、実際にはバランス的にも微妙になるんですよ。ああっ、今回ちと触って分かったオプションでフォントを変える部分のバグってか、コーディングミス(?)的な部分にも手を加えたので、オプションで変えればしっかり反映はされます。でも、その為にトータル的にアプリの見栄えがってのがあるので、今後の課題として対処して行く事にはします。

前置きが長くなりましたが、今日のメインも独自に予想。当然学習モデルがもう一つだし、自力しかないのでね(笑)

当たり前に穴予想ですけど、

当たると嬉しいなぁ!

Ubuntuで学習

ここの所挑んでいた学習なんですが、Ubuntu環境下でのWindowsとは違うメモリマネージメント下での学習でのメモリ不足問題の回避でしたが、やっと一旦検証とか出来るものが出たので検証してみました。

3,151R	1点	芝(1,486R)	ダート(1,545R)	障害(120R)	8頭以下(188R)	9～12頭(720R)	13頭以上(2,243R)	多点
単勝	20.95% (80.71%)	18.71% (82.03%)	23.11% (80.58%)	20.83% (66.00%)	25.00% (65.32%)	23.33% (87.74%)	19.84% (79.74%)	46.49% (72.85%)
複勝	48.94% (85.99%)	47.24% (87.95%)	50.16% (84.13%)	54.17% (85.67%)	52.66% (76.38%)	57.08% (90.76%)	46.01% (85.26%)	83.31% (81.61%)
枠連	10.78% (85.15%)	9.67% (88.39%)	11.36% (81.39%)	16.16% (100.30%)	-- (--)	12.64% (86.40%)	9.54% (79.66%)	22.34% (72.40%)
馬連	7.68% (67.57%)	6.93% (69.15%)	8.03% (65.18%)	12.50% (78.67%)	16.49% (85.74%)	10.00% (79.90%)	6.20% (62.09%)	16.92% (68.25%)
ワイド	18.15% (77.88%)	16.89% (76.44%)	19.16% (80.88%)	20.83% (57.08%)	31.91% (73.62%)	23.19% (83.11%)	15.38% (76.56%)	35.67% (78.09%)
馬単	4.32% (72.10%)	3.84% (78.01%)	4.72% (67.37%)	5.00% (59.75%)	9.04% (71.33%)	5.00% (94.58%)	3.70% (64.94%)	16.92% (65.51%)
三連複	4.00% (76.14%)	3.97% (68.48%)	3.88% (84.87%)	5.83% (58.50%)	14.36% (76.86%)	5.00% (65.65%)	2.81% (79.44%)	11.08% (72.28%)
三連単	0.95% (58.76%)	0.87% (32.33%)	0.97% (85.77%)	1.67% (38.33%)	4.79% (96.44%)	0.97% (86.32%)	0.62% (46.75%)	11.08% (66.05%)
総合	50.27% (75.41%)	48.92% (72.53%)	51.13% (78.76%)	55.83% (67.32%)	56.38% (77.96%)	57.92% (84.31%)	47.30% (71.81%)	83.78% (69.09%)

これはRMSE 1.4148なんですが、微妙なものですね。ただ、何故かは不明ですが、これまでのダート寄りってのが随分と改善されて芝も以前よりは良くなった気がします。

何にしても、まだまだ探究は必要な感じですね^^;

第70回 大阪杯

 相変わらずAIと戯れてます(笑) 行き詰まり感のある機械学習での改善策を模索してるんですが、これも当然簡単な話ではないです。 Windowsのだばだばなメモリー管理を避ける為にUbuntuに環境を移しての実現に挑んでるんですが、ここ数日色々とやらされてます。

最近の詐欺の手口じゃないけど、AIはもっともらしい話をして間違った事を案内します。それを人間が指摘して修正させるんです。

うわ～! Win5間に合わなかったorz これも仕方ないかとは思うが

独自に予想してたらWin5の時間過ぎてたのは自分のミスですね。

こんなんで行きました。

AIとのやり取り

他の方達がどの程度AIを利用しているのかは知りませんが、自分はどうだろ? 最近PCに向かって動画視聴してる時は除いて8割程度の時間はAIとの会話だと思う。いや、別にボッチだとかそんな事ではなくてね、コード書く時にとか、まあ、色々とこれまで単にグーグル先生に質問的な話ではなくて、普通に「こんな感じに書いたコードを最適化するにはどうすれば良いの?」とか言いながら自分の書いたコードを貼り付けるとその改善案を示してくれる。

でもね、これがチョイチョイ罠で数時間嵌るのも日常茶飯事な訳です(笑) なので更に時間が掛かってるのってのが現状かもね。ただ、明らかにやり方、思考方法、色々と影響され変わってきてますね。それでも、常に正誤判定は人間である自分に責任はあるので大変です。

この所ってか、まあ既に昨年夏からだから9か月は路頭に迷ってます。自分の分かる範囲での最善方法の模索。結局無駄になりそうなここ最近のモデルの学習。抜け出せれば良いのですが、AIにチョイチョイ騙されて無駄な時間(?)をってか、まあ、全くの無駄ではないけど、この方法もダメだなと再確認させられたりですね。

Microsoft Rewards 28回目

前回2月14日からなので48日目。ただ、既に数日前に交換可能だったけど、Microsoftが在庫切れとかで交換が出来なかった。にしても、今回はちょっと日数が掛かりました。ちょっとサボったからだと思うけど、別に焦らずに継続します。amazonギフトへの交換も5,425ptが600円と必要ポイントが増加してる気がします。まあ、amazonギフトも7千円超えて来たのでそろそろ何かに使おうかなぁとは思ってます😉

先週はAutoMLで

ML.NETの6.0Previewが出て対応したので、新バージョンでの動作確認とその出来栄えチェックを兼ねて24時間×5をやってたんですが、最適RMSEは1.4609と全然期待できるものではないのですが、一応2025年の1年間で検証してみる事にしました。

3,151R	1点	芝(1,486R)	ダート(1545R)	障害(120R)	8頭以下(188R)	9～12頭(720R)	13頭以上(2243R)	多点
単勝	21.29% (86.71%)	18.84% (82.89%)	23.30% (91.75%)	25.83% (69.08%)	34.04% (108.72%)	23.47% (86.49%)	19.53% (84.94%)	47.54% (81.87%)
複勝	48.81% (86.39%)	44.89% (82.44%)	51.91% (90.32%)	57.50% (84.75%)	56.38% (80.16%)	55.69% (86.68%)	45.97% (86.82%)	83.47% (83.52%)
枠連	10.39% (85.93%)	9.35% (91.08%)	10.95% (77.15%)	15.15% (152.12%)	-- (--)	10.97% (54.35%)	9.59% (90.94%)	25.59% (85.72%)
馬連	7.30% (74.31%)	6.33% (72.32%)	8.03% (70.59%)	10.00% (146.75%)	17.55% (61.12%)	8.19% (52.74%)	6.15% (82.34%)	18.88% (82.01%)
ワイド	17.96% (85.90%)	16.15% (75.34%)	19.74% (96.36%)	17.50% (82.17%)	30.85% (57.71%)	21.39% (62.85%)	15.78% (95.67%)	36.94% (83.52%)
馬単	4.19% (71.31%)	3.63% (63.65%)	4.60% (79.62%)	5.83% (59.17%)	10.11% (66.06%)	3.89% (54.56%)	3.79% (77.12%)	18.88% (80.51%)
三連複	4.00% (79.03%)	3.36% (61.46%)	4.53% (97.32%)	5.00% (61.17%)	11.17% (49.63%)	4.17% (59.60%)	3.34% (87.74%)	11.96% (86.57%)
三連単	0.98% (73.50%)	0.61% (18.85%)	1.23% (119.19%)	2.50% (162.00%)	5.32% (91.12%)	0.69% (140.54%)	0.71% (50.50%)	11.96% (89.68%)
総合	50.11% (80.31%)	46.30% (68.05%)	53.01% (90.36%)	60.00% (101.03%)	59.57% (73.50%)	56.39% (74.72%)	47.30% (82.01%)	84.23% (86.36%)

ああっ、今の時期は新馬戦無いので通常用です。相変わらずのダート寄りなモデルですね。しかし、今更気が付いたけど、ダートや13頭以上のレース数がカンマ編集されてないや^^;

まあ、たった5回ではなんともなのかなぁ。一日PCを休ませたから今週もやるしかないかな。

第56回高松宮記念

この所、色んな事して滅茶苦茶忙しかった。色んな事ってアプリの作業なんだけど、昨日からはWin5のリファインがようやく片付いたのでPlaywrightに久しぶりに挑んでたんですが、やはり一筋縄では行かない。今回はGeminiにお願いしてたんですが、Copilot同様にあたかも知ってるふりして堂々と教えるコードは全くってか、素人の自分では分からない部分も知ってる感じにコードを示してくれるけど、根本的にうまく行かない。そんなんで時間を浪費されたのでアップがギリギリになりました。

独自に予想してみました。

さて、Playwrightを続ける前に、ちとバグあるっぽいのでそれ潰さなきゃです。

追記 2026.3.29 23:08
Playwrightではやはりというか、GeminiでもCopilotでも的確なコードは示してくれないし、アプリが肥満化して困る。試しに入れてたコードは有効化してなかったけど、単にNuGetでPlaywrightのパッケージを入れているだけで太るらしいので断念して削除しました。

Microsoft ML Version 6.0.0-preview.26160.2

NuGetチェックしてて、System.Data.SQLite Version 2.0.3が出たとの事でアップデートしようとした時に、ふとここ最近はプレビューとかチェック外してた事に気が付き、プレビューも含めたらML.NET Version 6.0.0-preview.26160.2がある事に気が付き入れました。

ML.NETが新たなpreviewなら当然一通りの確認しなきゃなので昨夜から新たなML.NETでの学習を始めてました。ここまで既に21時間程度やった所だと、相変わらず演算とメモリのエラーは出ます。まあ、取敢えず通常用で1時間×5回にしてるのでしばらくは掛かると。

ただ、取り立てて何がって部分はさほど気にする必要はない程度かな^^;

Gemini恐るべし

日々AIが進化しているとは思ってますが、今回のアプリを開発し始めてしばらくしてから投票機能等も実装しようとWebView2とか諸々調べて、WebView2では入金とかまではどうにか出来る様にコード書いたけど、馬券の入力と投票は断念して他のアプリを利用させてもらう事にしてました。さらだ64でWinUI3での開発している時にPlaywrightの事をしり、ちょっと試したんですがイマイチ把握出来ずに放置(笑)

先日の一件からCopilotよりもGeminiが優れた部分があるのも把握してたので、ちょっと試しに問い合わせると普通に回答してきた。ただ、現在は手に余る程の作業があり、先に1つずつ片付けてから取り掛かろうかと思います。

いや、今UbuntuでVS Code使ってPythonのコード書いてる時にもAIの進化を感じました😉

VMware Workstation Pro(For Windows) 25H2u1

しばらくVMwareから遠ざかってました。まあ、特に必要にならなかったのと、それ以外で忙しい日々(笑) で、まあ、最新版をダウンロードしてインストールかなぁとVMwareに行くと...いやね、ニュースでなんとなく買収されたっての読んだ記憶もあるけど、Broadcom Incへのログインとか求められ、入れないのでパスワードの再設定に進んでどうにかで、ダウンロードしました。

でまあ、インストールもしてって...今回の事情なんですが、別に久しぶりにLinuxで遊ぼうとかではないんです。苦戦しているモデルの学習ですが、本日72時間学習の2度目の最中の帰宅だったのですが、OSごと吹っ飛ばされてましたorz 1回目の72時間学習よりも1日目で超えていたので期待してたのに、帰宅するとPCが再起動してました。理由はちょっと不明ですが、やっていたのはModel Builderの72時間学習です。32時間程度後にこの学習がパーになりました。

そこで原因の可能としてOSのメモリ管理とかがって話からWindowsは弱いのでLinuxでって話になり、その準備です。

最後に利用してたVMware Workstation Player バージョン17.?とかだったと思うけど、少し前にPro版も無料で利用可能になった話はしってたけど、Linuxさわる理由があまりなかったりしたので、OS吹っ飛ばされてのクリーンインストール後には入れてなかったんです。Playerとの違いなのかもだけど、見た感じが随分とまた変わったと思う。

入れたのはUbuntu 24.04です。

また無駄な時間にならない事を祈りながら作業進めます。

軍配はCopilotだな(笑)

もう少しで終わる所でエラーが出た。Copilotに指摘するとすんなり自分の非を認めた。そうだよね、元々動いてるコードを元に最適化の相談して示されたコードにしてエラーが出る。これは確実にAI側の落ち度ですね。ただね、現状のAIは普通に嘘をつきます(笑) それを見抜いて修正させるのは人間ですね。

Geminiの方がもう少し研ぎ澄まされたコードで提示してくれます。なんだろ?Copilotはもう少し、意図的に人間味を出してる(笑)のかな? 今回もかなりの時間と労力費やして、やっと何とかなレベルに来たので、次期バージョンとしてリリースする予定です。

余りにもCopilotが人間ぽくミスするので、慎重にならざるを得ないけど、多分今回の苦労して行った、まあ、厳密にはAIにお願いしてやり遂げてはいますが、そのミスを指摘して修正させたのは自分だけど、大体50%程度の時間でフルセットアップが可能になりました。
直前のテストでは最後に近い部分でのエラーでした。更に修正後に似たような問題があったので修正して再トライ。ふと、その昔、フルセットアップに14時間とか掛かってた頃のデバックを思い出しました。10時間走らせてエラーが出て、またってのは本当に辛い作業でした。それに比べたら、全然(笑) ただ、その昔のは自分のミスで、今回のはAIがなのはちょっとだけ、でも、そのコードを自分が全部自力で書き直したと考えたら、楽させてもらったなぁっとね。

ここまでリトライしてると、多分JV-Linkのキャッシュなんかも効いてるのでキャッシュクリアしてやってみないと実測としては不向きな記録になるけど、フルセットアップに１時間掛からなくなりました(笑)

Gemini

結局普段は相変わらずCopilotメインで助けてもらってます。Edgeに慣れ過ぎてChromeに移行するのは無理だったのが最大の理由なんですけど。いや、垂直タブが思いのほか便利で今更水平タブには戻れないです。

ただ、Copilotにはいくつか欠点がある。文字数制限があり、長いコードを見せて相談するのに限界があったり、でも、確か分割して見せて出来た事があったかもですが、Geminiはこれが多分無い。で、昨夜かなりの量のコードについて相談させてもらったんだが、途中で回答が止まったorz 多分無料版の回数制限に掛かった様です。

世の中、無料で多くのサービスが提供されていますが、確かに本来は利益が得られなければサービスは成り立たないのは当然だとは思います。自分もアプリを無料で公開してますが、これはこれで評価されたりを得てアプリの魅力が足りないと判断出来たり(笑) OpenAIのChatGPTの存在は知ってはいるけど、利用料金的な情報が当初から流れてたので一度も試した事がない。

いや、かなりのアドバイスを受けたので、残りは自力でってのも当然アリだけど、流石はAIってか今回のアドバイスの中で、コードのミスを的確に指摘してくれたりは本当にありがたい事で、多分自分ではほぼ見つけられないかも。

この後、日付が変わったから再開する予定ですが、昨夜の続きが出来るか不安。でも、まずは久しぶりのWindows Updateした。ってのも、AutoML使って24時間×10回学習が今朝終わった。

しかし、最適RMSEは1.4581止まりorz  やはりModel Builderで再度学習が必要かなぁ。

追記 2026.3.14 17:44
あくまでも自分の感触的な話として、Geminiは結構正確にコードを提示してくるのに対し、Copilotはざっくりなコードを提示する。で、まあ、こちらがそのコードの間違いを指摘すると素直に助入れる感じですね。では、どちらが良いのかと言えばGeminiの様に正確なコード。でも、実は今回もGeminiは実行まで至らず、ってのも回答制限からか先に進めなくて、今朝からCopilotに説明してCopilotで完了に近づいてます。現在、今回の修正版でのフルセットアップしてるので、その結果待ちかな(笑)

LiveCharts2に決別

グラフ描画パッケージにも色々あり、本来ならChartコントロールが万全であれば良かったのですが、ちょっと気になって色々試した末にLiveChart2に一旦は落ち着いたのですが、これがかなりの曲者で、何度となくCopilotを交えて途方もない時間を費やしました。未だrcだったりと万全ではないのもなんですが、更新の度にそもそもコンパイルエラーが出たりする始末。今週末も延々とその辺りの改善方法を探ってたんですが...

• JV-Linkの32bit縛りによるターゲット環境x86必須
• 既にVisual Studio Community2026の流れで.NET10に移行

この辺り絡みでChartコントロール1本にしようかと。これ、実はマイニングのグラフにはそもそも使ってたんですが、他の棒グラフや円グラフはLiveCharts2にしてたんです。でも、どうあがいても上手く動かすことが出来なくなり...Copilotとやり取りし、Geminiにも問い合わせたけど、LiveCharts2はx86にも微妙だし.NET10にも微妙との事で、この両方だともうやめれば的な感じだったので。

やりだすと全ての修正入れないとそもそも動かす事すら出来ないので、一気に修正進めてやっとLiveCharts2関連全て削除しテスト出来る段階まで進められました。この後動作確認しながら表示の微調整とか進めて次のバージョンリリース準備になります。

これ、LiveCharts2なんですが、

こちらがChartコントロールです。若干微調整違いで違うけど、まあ、大差ないし、実はLiveCharts2は表示後ではなく表示する時にちょっとアニメーションするんだけど、そんなのは重要ではないし(笑)

ただ、そもそもの始まりとして、出馬表表示には特に問題は出ていなかったのですが、投票分析で円グラフを表示させてたんですが、これが出なくなってたんです。そうなるとバグレベルなんで修正必須になるので対処してたんです。

でまあ、その対処する際にこれまではそれ程購入履歴が無かったので気にならなかったのですが、もう随分と使い込んでますので投票データが膨れ上がって表示まで相当待たされるのでその改善しながらグラフ対応と

ひゃ～!何十時間かけて達成出来たかもうね、疲れた。でも、実は集計にバグがある感じなので後日確認します(笑)

中途半端な冒険は止め!

色々試すも結局新馬戦終わっちゃった(笑) 7月位までは無いので新たに試し始めたサンプルを元に...今回は2010年～2024年の丸15年にしてみた。いや、なんとなくね、以前の2004年からだと既に通常用学習CSVデータが1GB超えて学習時間が長くなり過ぎてるので、昨年夏辺りからひたすらやってたのが2015年～2025年6月30日の10年半でしたが結局良いものが得られなかったので伸ばしてみました。今回の学習CSVデータは979MBで一応1GB未満なので必要学習時間は1時間が目安です。既にModel Builderで新馬戦と通常用を何回かやりました。新馬戦はしばらくは無いので後回しにして通常用を。24時間学習4回やって最適RMSE 1.4393と全然ダメ。今後何十回もトライする必要はあるかもだが、月が替わって3月になったので一旦AutoMLにしてみる事にしました。これはそもそも自分が作ったものなので本来はこちらがメインにしたいけど、やりこむと何故かModel Builderに負ける。未だ古いLightGBMのModel Builderではやはり学習データが大きいと頻繁に飛ぶ(笑) いや、AutoMLでもこのサイズでは飛ぶと思うが、一応こちらはLightGBM v4.6にしてるので本来はModel Builderなんてってなる筈なんだけどね。

アプリの方の機能追加も何か思いついたらしますが、新たなアイデアが出ないと特になく。ちょっと最適化したりもしたし、さらだ64が放置になってるのでそれちらも今回の修正を反映させなきゃだし、TensorFlowも既に記憶が飛んでるので再開するには気合いがいるなぁ^^;

本日さらだ Version 2.6.0の変更申請が通る筈なんだがもう少し時間掛かるかもだけど、夜には通るだろうから次のVersion 2.6.1の準備もある。時系列オッズ対応のチョイ足し機能だけど、現状では枠連と馬連の表示自体はあまりイメージが出来なくて。いや、別にやる事自体はどうって事でなく実装は簡単なんだけど、本当にイメージがね(笑) 単勝と複勝は今の標準側のタブに追加で違和感はないけど、枠連と馬連はそうは行かない。どデカいDataGridViewに表示するのは別フォームにするべきだと思うしボタンなのか何をトリガーにして表示するかとかね。で、まあ、欲しい情報的には大きく投票された情報なんだと思い、「時系列Top」というタブに単勝・複勝・枠連・馬連の上位投票を表示すればある程度は見れるか? って程度追加をしてみた。最初はTop10とかにしたけど、デフォルト30で10～150をオプションで変更可能にしてみた。

でも、締め切り過ぎると当たり前だけど締め切り付近ばかりが表示されちゃいます(笑) これ、本日のメインレースの今13時辺りだからまだちょっと表示される時間がバラバラで「ふ～ん」的なものがある。例えば、単勝1番に9時55分に11,575票。1,157,500円の投票が行われてるので、もしかすると誰か大口投票してるのかも?

あなたにひとめぼれ

先日新たな芋焼酎を購入してみました。

コスパ的には5L×4本で12,900円なので単純に1升で1,161円です。なんだ、安くないや(笑) 以前購入したさつま祭は12,100円だったので1,089円でまずまずなコスパではありました。でも、がぶがぶ君の972円がやはり最強ですね。それ以前の博多の華 米焼酎が1,256円なので、どれもそれ以上ではありますが...ってか、やはり最近の物価上昇で痛いorz また、がぶがぶ君に戻らなきゃだなぁ😞

Copilot vs. Gemini

そもそも、ChatGPTは未だに利用した事は無いです。無料でも使えるんだろうけど、態々アクセスするとか、もしかしてアカウントを作成するとかあるかもって考えると面倒は避けたいからなんだけど^^; もう、ここ最近はCopilotに振り回された。その度にGeminiも試したりしたけど、ここ最近、ああっ、基本的にブラウザがEdgeなんだけど、そこか! もしかして、Chromeに乗り換えた方が幸せになれるかな?(笑)

いや、少し前からEdgeの再起動とかでCopilot使う時に毎回ログイン求められて、それでも今使えるアカウントって表示があり、それを選択すれば良かったのだが、それすら面倒だからってCopilotに質問ぶつけて諸々してたら、その使えるアカウントの表示すら出なくなり...こんなのも解決出来ないならGeminiに乗り換えるわってCopilotにぶつけました。

別にMicrosoft信者ではないので、単にスムーズに諸々の作業が出来るのが理想。面倒な事を覚えなおすとか嫌だし。Windowsの再インストールで毎回Chromeも再インストールは面倒だから、これまで多分避けてました。

どうなるかな...

追記 2026.3.1 12:26
あまりにもEdgeに慣れ過ぎてChromeには乗り換え無理だったorz まあ、EdgeでもGemini自体は使えるし、Copilotがダメな時にGeminiって感じの現状維持が無難だと思えてきた。

第43回フェブラリーステークス

先月とはがらっと変わり成績が悪いorz

素直に今使っているモデルに乗りました。

GIだから少し手広く攻めてみました。

本来なら本日変更申請が通ってもいいと思うけど、それが通った後に今準備しているバージョンの変更申請もしようかと思ってます。しかし、昨日Visual Studioが飛んだ😫 24時間学習もやってたのに一緒に飛ばされた。今ちょっといじっているのは学習モデル使って予測する処理の改善を試みてます。どの程度変わるかはまだ途中なのでなんともなんですが、上手く行けばレース毎の表示スピードが改善されるはずです。

で、まあ、先日追加した時系列オッズ対応で、

こんな感じに表示されるんですが、5～6分間隔でのオッズと総評数なので各馬の票数はオッズからの逆算なのでたまにマイナスだったりするのは全体のオッズのバランスからの推定票数だからなんですが、例えば6番ラムジェットの2つ目の5,190票ってつまり519,000円投票されてるんですよね。まあ、全国とかで発売開始からスタートしてものの5分間の間に同時にっていうより、単に誰かが大きく買ってるって事をこの時系列オッズで見て、その大口に乗るとかの判断する為に時系列オッズを見る方はしてるのかな? 今回のGIでは既に百万票超えてるので表示幅を対応する為に少々広げました。百万票って100,000,000円超え? 単勝で1億円以上売れるんだというのも、これまではあまり気にした事が無かったなぁ。