BOATCRAFT の予想エンジン 「テトラ（TETRA）」は、LightGBM・XGBoost・CatBoost・ニューラルネットワーク という系統の異なる 4 つの AI で構成された AI（ニューラルネットワーク）を独自にブレンドし、さらに選手の「今の調子」まで読み込んで最終予測を出します。 テトラ＝ 4。名前の由来はこの 4 つの AI モデル。単一のモデルが見落とすパターンを別のモデルが補完する、合議型のハイブリッド予測設計です。
機械学習の世界では、複数のモデルを組み合わせて予測精度を底上げする手法をアンサンブル学習と呼びます。 BOATCRAFT はこのアンサンブルの考え方を競艇予想に持ち込み、系統の異なる 4 つの AI（LightGBM・XGBoost・CatBoost・ニューラルネット）を並列に走らせています。 これが予想エンジン「テトラ（TETRA）」── テトラ＝ 4 の名前の由来です。
4 つの AI の予測確率はそれぞれ独立に計算され、最終段でテトラが独自にブレンドして統合。 アルゴリズムごとに得意な領域が違うため、ある場面で 1 つが外しても残り 3 つが補正してくれる、堅牢な合議型設計になっています。
なお、BOATCRAFT の予測はこの 4AIモデルの上に「23つまみ」によるユーザー調整層が乗っており、 ユーザーがつまみを動かすと、予想への効かせ方（重み付け）が動的に変わります。
なぜ 4 つなのか。それぞれが得意とする「レースの読み方」が違うため、組み合わせることで死角を減らせるからです。
4 つの AI は同じ 27 年分のデータを学習しますが、アルゴリズムの系統が違うため「見落とすパターン」も違います。 開発過程の R&D では LightGBM・XGBoost・CatBoost といった勾配ブースティング系も学習させて比較検証しましたが、 R&D では各モデルを単体でも徹底検証した上で、本番エンジンには系統の異なる 4 つを束ねるブレンド構成を採用しています。
機械学習の競技 (Kaggle 等) でも、上位入賞解法はほぼ全てアンサンブルです。理由は単純で、単一モデルには必ず「見えない死角」があるから。 競艇予想は会場・天候・選手・モーター・コースの掛け算で状況が極端に分岐するため、1 つのモデルでは取りこぼしが大きくなります。
| モデル | 系統 | 得意なこと |
|---|---|---|
| LightGBM | 勾配ブースティング決定木 | 表形式データの高速・高精度学習。構造的なパターンの把握 |
| XGBoost | 勾配ブースティング決定木 | 正則化に強く頑健。LightGBM と違う癖で相互チェック |
| CatBoost | 勾配ブースティング決定木 | カテゴリ変数 (会場・支部・級別など) の読解 |
| ニューラルネットワーク | 多層パーセプトロン | 特徴量同士の複雑な相互作用・非線形パターン |
4つのAIモデルブレンドにすると、単一モデルで観測される予測誤差を系統的に打ち消し合う効果が出ます。 実データでのバックテストでも、ブレンド構成は単一モデルより的中傾向が安定する設計になっています。
4AIモデルは「全部混ぜれば良い」わけではありません。 レース状況によって、どの観点を重視すべきかは変わります。 BOATCRAFT はその制御を 23つまみと連動させ、ユーザーが「どの観点を強く効かせるか」を選べる設計にしています。
「機力つまみ」を上げる ─ モーターやボートの機力を、テトラがより強く評価する。エース機を引いた選手の評価が動く。
「気象つまみ」を上げる ─ 風や水面の荒れを、テトラがより重く見る。荒れ水面で効く設定。
「コース力つまみ」を下げる ─ 1 コース有利の前提が弱まり、外枠の差し・まくりをテトラが拾いに行く。穴党向けの設定。
最終予測は 4 つの AI を独自にブレンドして出されますが、その効き方をユーザーがつまみで対話的に動かせるのが BOATCRAFT の特徴。どのつまみが内部にどう効くかは非公開ですが、会場・天候・グレードに合わせて自分仕様に育てられます。
BOATCRAFT は単一の AI ではなく、LightGBM・XGBoost・CatBoost・ニューラルネットの 4 つの AI をブレンドする合議型予測アプリです。 モデルの死角を別のモデルが補う、競艇予想の新しいスタンダードを試してみてください。