競馬AIを作ってみたい。
そう思って調べ始めると、かなり早い段階で気付くことがあります。
必要な知識の範囲が思ったより広い。
Pythonを書けるだけでは完成しません。
競馬データを取得する。
データベースから必要な情報を取り出す。
欠損値を処理する。
過去走を結合する。
特徴量を作る。
機械学習モデルを学習する。
的中率だけでなくLog Lossや回収率を確認する。
情報リークがないか検証する。
そして毎週、新しいレースへ予測を出す。
ここまでやって、ようやく「競馬AIを運用している」と言える状態になります。
自分の場合も、Python、SQL、LightGBMなどを使いながら競馬データを扱っていますが、実際に作ってみると「機械学習そのもの」より、その前後にあるデータ処理や検証の方が時間を使うこともあります。
そこで今回は、
競馬AIを作る・育てる・運用するという視点で、役に立ちやすい書籍
を整理してみます。
「AIの理論をすべて理解してから作り始める」というより、
必要になった分野を本で補いながら競馬AIを育てる。
そんな使い方を想定しています。
- 競馬AIに必要なのは「AIの本」だけではない
- まずPythonから始めるなら『入門 Python 3 第3版』
- 競馬データ加工なら『Pythonによるデータ分析入門 第3版』
- データベースを使うなら『SQLではじめるデータ分析』
- 機械学習の基礎から広く学ぶなら『scikit-learn、Keras、TensorFlowによる実践機械学習 第3版』
- LightGBMを使う競馬AIなら特におすすめしたい『Kaggleで勝つデータ分析の技術』
- 的中率・回収率のブレを理解するなら『Think Stats 第3版』
- 「なぜこの馬を高評価した？」を知りたいなら『機械学習を解釈する技術』
- 「モデルを作る」から「モデルを運用する」へ進むなら『機械学習システムデザイン』
- さらに本格運用するなら『MLOps実装ガイド』
- コード品質まで気になってきたら『Effective Python 第3版』
- 全部読む必要はない
- 初心者ならこの3冊からで十分
- 目的別に整理するとこうなる
- 競馬専門のAI本がなくても問題ない
- 生成AI時代でも本を読む意味はあるのか
- 本は「答え」より「間違いに気付く力」をくれる
- 自分の競馬AIを教材にすると本が急に面白くなる
- 最初から完璧な競馬AIを目指さなくていい
- まとめ
競馬AIに必要なのは「AIの本」だけではない
最初に整理しておきたいのはここです。
競馬AIという名前から、
「機械学習の本を読めば作れる」
と思いたくなります。
しかし実際には、ざっくり次のような知識が必要になります。
| 分野 | 競馬AIで使う場面 |
|---|---|
| Python | データ加工・モデル学習・自動化 |
| pandas / NumPy | 馬柱・過去走・レースデータの加工 |
| SQL | データベースから競走馬・騎手・レース情報を取得 |
| 統計 | 的中率や回収率のブレを理解 |
| 機械学習 | p_winなどの予測モデル作成 |
| 特徴量設計 | 距離適性・近走成績・騎手成績などを数値化 |
| バリデーション | 過学習・情報リークを防ぐ |
| モデル解釈 | AIが何を根拠に評価したのか確認 |
| 運用設計 | 再学習・監視・モデル更新 |
こうして並べると、競馬AIは小さなデータ分析システムに近いです。
だからおすすめ本も、
「AI入門書ランキング」
ではなく、
競馬AIを作る工程別
に選んだ方が分かりやすいと思います。
まずPythonから始めるなら『入門 Python 3 第3版』
プログラミング自体が初めてなら、まず候補になるのが『入門 Python 3 第3版』です。
2026年6月刊行の第3版で、Python 3.14に対応しています。Pythonの基本構文だけでなく、ファイル、データベース、ネットワークなどまで広く扱う大型の入門書です。
競馬AIを作る場合でも、
リスト。
辞書。
関数。
クラス。
CSV。
ファイル操作。
例外処理。
あたりは普通に使います。
生成AIにコードを書いてもらえる時代なので、
「Pythonを全部暗記してから競馬AIを作ろう」
とする必要はありません。
それでも、ChatGPTやCopilotが生成したコードを見て、
「これは何をやっているのか」
を理解できる基礎は必要です。
特に競馬AIは長く運用しているとコード量が増えます。
最初は、
CSVを読み込む。
LightGBMで学習。
結果を出力。
くらいでも、そのうち、
データ取得。
特徴量生成。
学習。
予測。
バックテスト。
記事用データ出力。
と処理が増えていきます。
そうなるとPythonの基礎が効いてきます。
こんな人向け
- プログラミング未経験
- Pythonコードを見るとまだ抵抗がある
- 生成AIにコードを書かせているが内容を理解したい
- 競馬AIをゼロから始めたい
逆に、すでにpandasやLightGBMを普通に動かしているなら、最初から全部読む必要はないと思います。
辞書的に使うのもありです。
競馬データ加工なら『Pythonによるデータ分析入門 第3版』
競馬AIを実際に作り始めるなら、個人的にかなり重要なのがデータ加工です。
そこで候補になるのが、
『Pythonによるデータ分析入門 第3版』
です。
pandasの開発者であるWes McKinney氏の書籍で、pandas、NumPy、Jupyterなどを使ったデータ処理を体系的に扱っています。日本語版第3版は2023年刊行です。
競馬AIではpandasをかなり使います。
例えば、
レース結果テーブル。
出走馬テーブル。
騎手成績。
過去走。
オッズ。
血統。
などを結合します。
そこから、
過去3走平均着順。
距離別成績。
競馬場別成績。
休養日数。
前走との差。
のような特徴量を作る。
これはほとんどデータ加工です。
機械学習モデルに入れる前に、データを正しい形へ変換できなければ始まりません。
競馬AIで特に役立つ部分
個人的には、
DataFrame。
merge。
groupby。
欠損値処理。
時系列データ。
データの変形。
あたりが直接つながります。
例えば騎手別勝率を作る場合でも、
騎手ごとに集計。
過去時点までの成績を作成。
出走馬データへ結合。
という処理が必要です。
競馬AIをやっていると、
モデル作りよりpandasを書いている時間の方が長い
ということすらあります。
その意味で、かなり実用性の高い本です。
データベースを使うなら『SQLではじめるデータ分析』
競馬データを本格的に扱い始めると、CSVだけではだんだんつらくなってきます。
そこでSQLです。
候補としておすすめしたいのが、
『SQLではじめるデータ分析』
です。
本書は単なるSQL文法だけではなく、データ分析でSQLを使うことを目的としており、前処理、時系列解析、コホート分析、テキスト分析、異常検知などまで扱います。2023年に日本語版が刊行されています。
競馬AIでSQLが使えるとかなり楽になります。
例えば、
「過去5年間の東京芝1600mだけ」
「騎手Aが単勝10倍以内に騎乗したレース」
「前走から距離短縮した馬」
などをデータベースから直接取り出せます。
競馬データはテーブル同士の関係も多いです。
レース。
馬。
騎手。
調教師。
着順。
払戻。
過去走。
こうした情報を扱うので、
JOIN。
GROUP BY。
CASE。
ウィンドウ関数。
日付処理。
などを使えると分析できる範囲が一気に広がります。
SQLは競馬AIの「観察記事」にも効く
例えば、
「1番人気は本当に買うべきか」
「騎手別の人気馬成績」
「初ブリンカーは走るのか」
「夏競馬と秋競馬で成績は違うか」
といった検証記事。
こうしたテーマも、SQLで条件抽出できるようになるとかなり速く調べられます。
AIモデルの構築だけでなく、ブログ記事用のデータ分析にも役立つ分野です。
機械学習の基礎から広く学ぶなら『scikit-learn、Keras、TensorFlowによる実践機械学習 第3版』
機械学習そのものをしっかり勉強したいなら、
『scikit-learn、Keras、TensorFlowによる実践機械学習 第3版』
も候補です。
2024年刊行の日本語第3版で、scikit-learnを使った機械学習からニューラルネットワーク、生成AI関連の基本まで幅広く扱っています。
かなり厚い本なので、競馬AIを作るために最初から最後まで読む必要はないと思います。
むしろ、
分類とは何か。
訓練データとテストデータ。
交差検証。
過学習。
モデル評価。
特徴量。
ハイパーパラメータ。
といったところを重点的に読む方が実践的です。
競馬AIの場合、
勝つ＝1。
負ける＝0。
という二値分類として扱うことができます。
そこで、
ロジスティック回帰。
ランダムフォレスト。
勾配ブースティング。
などの考え方を理解しておくと、LightGBMを使うときにも、
「とりあえず動いた」
から一歩進めます。
LightGBMを使う競馬AIなら特におすすめしたい『Kaggleで勝つデータ分析の技術』
競馬AIを実際に作る人へ一冊挙げるなら、かなり相性がいいと思うのが、
『Kaggleで勝つデータ分析の技術』
です。
2019年刊行と少し前の本ですが、特徴量作成、バリデーション、パラメータチューニング、アンサンブルなど、予測モデルを実際に改善するうえで重要な考え方を扱っています。出版社も、コンペだけでなく実務で予測モデルの精度を高めたい読者にも役立つ内容と説明しています。
競馬AIとの相性がいい理由は、
競馬AIもかなりKaggle的な問題を抱える
からです。
大量の表形式データ。
特徴量作成。
LightGBM。
評価指標。
バリデーション。
過学習。
これらがかなり共通します。
競馬AIで一番怖い「情報リーク」
特に重要なのがバリデーションです。
競馬AIでは、
未来の情報をうっかり特徴量へ入れる
という事故が起こり得ます。
例えば2025年のレースを予測するのに、2025年末までの騎手勝率を使ってしまう。
これでは予測時点では存在しなかった情報が混ざります。
バックテストでは強い。
実戦では弱い。
というモデルができます。
競馬AIではモデルアルゴリズムより、
検証方法の方が重要
と言ってもいいかもしれません。
その意味でも、この本から学べるところは多いと思います。
的中率・回収率のブレを理解するなら『Think Stats 第3版』
競馬AIを作ると、次に統計の壁が出てきます。
100レース回収率120％。
これは強いのでしょうか。
直近30レース的中率40％。
信頼できるのでしょうか。
10連敗。
モデルは壊れたのでしょうか。
こうした疑問は機械学習というより統計の問題です。
そこで候補になるのが、
『Think Stats 第3版 ―Pythonで学ぶ統計学入門』
です。
日本語版第3版は2025年刊行で、Pythonを使って実データを扱いながら統計を学ぶ構成です。
競馬と統計はかなり相性があります。
平均。
分散。
分布。
標本。
確率。
推定。
相関。
こうしたものがそのまま競馬AIの検証につながります。
例えば、
「回収率110％がどれくらい珍しいか」
「100レースと1,000レースの実績は何が違うか」
「連敗はどこまで普通に起こるか」
といったテーマです。
競馬AIを作るだけなら、統計を深く知らなくてもモデルは動きます。
しかし、
出てきた数字を正しく疑うためには統計が必要
になります。
「なぜこの馬を高評価した？」を知りたいなら『機械学習を解釈する技術』
競馬AIを運用していると、
「この馬、なぜ指数1位なんだ？」
という場面があります。
モデルは結果だけ返してきます。
でも人間側としては理由が気になります。
そこで使われるのが、
Feature Importance。
Permutation Importance。
PDP。
SHAP。
などの解釈手法です。
これを学ぶ候補として、
『機械学習を解釈する技術』
があります。
2021年刊行で、予測力だけでなくモデルをどう解釈するかをテーマにした書籍です。
競馬AIではかなり面白い分野です。
例えば、
この馬が高評価なのは騎手なのか。
距離実績なのか。
前走時計なのか。
枠順なのか。
どの特徴量が押し上げたのか。
これを確認できます。
ブログとの相性もかなりいい
モデル解釈は記事ネタにもなります。
「AIはなぜこの人気薄を評価したのか」
「AIが最も重視している特徴量は何か」
「騎手はAI予測にどれくらい影響するか」
などです。
単なる予想結果の公開から、
AIが競馬をどう見ているのか
へ踏み込めます。
競馬AIの観察ログというテーマともかなり相性のいい分野だと思います。
「モデルを作る」から「モデルを運用する」へ進むなら『機械学習システムデザイン』
競馬AIが一応動くようになった人に、個人的にかなりおすすめしたいのが、
『機械学習システムデザイン』
です。
本書はモデルの精度を上げる方法だけではなく、データ処理、特徴量、再学習頻度、監視など、機械学習システムを継続運用する視点を扱っています。日本語版は2023年刊行です。
これは競馬AIを長く運用していると、かなり刺さる内容だと思います。
最初は、
「LightGBMで予測できた！」
だけで楽しいです。
しかししばらくすると、
いつ再学習する？
最新データはどう追加する？
モデルバージョンはどう管理する？
成績悪化は下振れ？モデル劣化？
特徴量追加前後をどう比較する？
という問題が出てきます。
まさに最近このブログでも考えてきた話です。
競馬AIは毎週新しいデータが増える
競馬AIの特徴は、毎週データが増えることです。
土日のレースが終わる。
新しい結果を取得。
騎手成績が更新される。
馬の過去走が増える。
新馬が登場する。
つまりモデルの世界が少しずつ変化します。
だから、
一度モデルを作って終わり
ではありません。
この本で扱われるような、
再訓練。
データ分布。
監視。
継続的改善。
といった考え方が重要になります。
さらに本格運用するなら『MLOps実装ガイド』
もう少し先の話です。
予測モデルを自動で更新したい。
データ取得から学習までパイプライン化したい。
監視したい。
モデルのバージョンを管理したい。
そこまで行くなら、
『MLOps実装ガイド』
のような本も候補になります。
日本語版は2025年刊行で、データ取り込みからCI/CD、ガバナンス、継続運用までMLOpsの流れを扱っています。
ただし個人の競馬AIで最初からここまでやる必要はありません。
競馬AIを始めたばかりなのに、
Docker。
CI/CD。
クラウド。
モデルレジストリ。
監視基盤。
まで作り始めたら、肝心の予測モデルが完成しない可能性があります。
まず動くものを作る。
その後、不便になった部分から自動化する。
この順番で十分だと思います。
コード品質まで気になってきたら『Effective Python 第3版』
競馬AIを長く運用すると、もう一つ問題が出ます。
昔自分が書いたコードが読めない。
最初は、
horse_data_final2_new_fix.csv
のようなファイルでも何とかなります。
関数も一つ。
Notebookも一つ。
しかし数か月経つと、
どれが最新版？
この特徴量はどこで作っている？
なぜここだけ例外処理している？
となります。
そこでPythonコードそのものの品質を改善したいなら、
『Effective Python 第3版』
も候補です。
2025年刊行の第3版で、Pythonicで読みやすく、保守しやすいコードを書くための125項目を扱っています。
これは競馬AI初心者が最初に読む本ではないと思います。
モデルが動き始め、
コードが増え、
「そろそろ整理しないとまずい」
となった頃に効く本です。
全部読む必要はない
ここまで何冊も挙げました。
しかし、
全部読んでから競馬AIを作る
という順番はおすすめしません。
おそらく途中で疲れます。
競馬AIは、作りながら勉強する方が分かりやすいです。
例えば、
「過去5走平均を作りたい」
となった。
pandasを調べる。
「データベースから条件抽出したい」
となった。
SQLを調べる。
「バックテストでは強いのに本番で弱い」
となった。
バリデーションを勉強する。
「なぜこの馬をAIが評価したか分からない」
となった。
SHAPを調べる。
このように、
自分の競馬AIで発生した問題と本の内容が結びついた瞬間に読む
方が圧倒的に頭に入りやすいと思います。
初心者ならこの3冊からで十分
もし、
「たくさん紹介されても、結局どれから読めばいい？」
となった場合。
個人的には、まず3冊に絞ります。
1冊目『Pythonによるデータ分析入門 第3版』
まず競馬データを自由に加工できるようになる。
2冊目『Kaggleで勝つデータ分析の技術』
特徴量、モデル、バリデーションという競馬AIの中心部分を学ぶ。
3冊目『機械学習システムデザイン』
作ったモデルをどう継続運用するか考える。
この3段階です。
Python自体が初めてなら、その前に『入門 Python 3 第3版』を追加します。
統計に不安があるなら『Think Stats 第3版』。
SQLを多用するなら『SQLではじめるデータ分析』。
という形で足します。
目的別に整理するとこうなる
| やりたいこと | おすすめ書籍 |
|---|---|
| Pythonを基礎から覚える | 入門 Python 3 第3版 |
| pandasで競馬データを加工する | Pythonによるデータ分析入門 第3版 |
| SQLで競馬DBを分析する | SQLではじめるデータ分析 |
| 機械学習を体系的に学ぶ | scikit-learn、Keras、TensorFlowによる実践機械学習 第3版 |
| LightGBM・特徴量・検証を学ぶ | Kaggleで勝つデータ分析の技術 |
| 回収率や的中率のブレを理解する | Think Stats 第3版 |
| AIの判断理由を分析する | 機械学習を解釈する技術 |
| 再学習・監視・運用を考える | 機械学習システムデザイン |
| 本格的なMLOpsを構築する | MLOps実装ガイド |
| Pythonコードを改善する | Effective Python 第3版 |
競馬専門のAI本がなくても問題ない
ここで、
「競馬AI専用の本はないの？」
と思うかもしれません。
もちろん競馬予想やAI競馬をテーマにした書籍もあります。
ただ個人的には、
競馬AIを長期的に作るなら、汎用的なデータ分析・機械学習の本を読んだ方が応用しやすい
と思います。
なぜなら競馬AIで起きる問題の多くは、実は競馬固有ではないからです。
欠損値。
データリーク。
過学習。
クラス不均衡。
バリデーション。
特徴量。
確率校正。
モデル解釈。
データドリフト。
これらはデータサイエンス全体で共通する問題です。
そこへ、
距離。
馬場。
騎手。
血統。
脚質。
オッズ。
という競馬固有情報を載せます。
競馬の知識と機械学習の知識を分けて学び、後から組み合わせる方が理解しやすいと思います。
生成AI時代でも本を読む意味はあるのか
最近はChatGPTなどへ、
「LightGBMで二値分類するコードを書いて」
と頼めば、すぐコードが出ます。
SQLも書いてくれます。
pandasの処理も作れます。
そのため、
「もう技術書はいらないのでは？」
と思うことがあります。
実際、コードを書く作業だけなら以前より本の必要性は小さくなったと思います。
ただ、競馬AIで難しいのはコードそのものではありません。
何を検証すべきかを判断すること
です。
例えば生成AIは、
ランダムにtrain_test_splitしましょう
とコードを書くかもしれません。
しかし競馬データは時系列です。
未来のレースを予測するなら、本当にランダム分割でよいのでしょうか。
生成AIはコードを作れても、
その検証方法が競馬AIに適切か
を判断するには基礎知識が必要です。
ここで本が効いてきます。
本は「答え」より「間違いに気付く力」をくれる
競馬AIを作っていて一番怖いのは、エラーではありません。
エラーなら止まります。
本当に怖いのは、
間違っているのに正常に動くモデル
です。
未来情報が混ざっている。
バックテスト条件を最適化しすぎている。
高配当1件だけで回収率が高くなっている。
確率が校正されていない。
それでもPythonは普通に結果を出します。
回収率130％。
精度80％。
のような魅力的な数字まで表示してくれます。
そこに、
「本当に？」
と疑問を持てるか。
これはコード生成AIだけでは身につきにくい部分です。
統計。
バリデーション。
モデル評価。
機械学習システム。
こうした本を読むことで、結果を疑うための視点が増えます。
競馬AIでは、その力の方が大切なのかもしれません。
自分の競馬AIを教材にすると本が急に面白くなる
技術書を普通に読むと、
「何に使うんだこれ」
となることがあります。
しかし自分の競馬AIがあると違います。
groupby。
「騎手成績に使えそう」
時系列分割。
「バックテストに使える」
SHAP。
「AI指数1位の理由を説明できそう」
データドリフト。
「最近AIが負けている理由を調べられるかも」
となります。
本に書いてある抽象的な話を、全部競馬へ置き換えられます。
これはかなり強いです。
機械学習を勉強するために競馬AIを作る。
競馬AIを改善したいから機械学習を勉強する。
両方が循環します。
最初から完璧な競馬AIを目指さなくていい
技術書を読むと、
もっと高度なモデルを使わないと。
もっと特徴量を増やさないと。
MLOpsもしないと。
と思ってしまうことがあります。
でも競馬AIは、
CSV。
pandas。
LightGBM。
簡単なバックテスト。
からでも始められます。
まず動かす。
結果を見る。
問題を見つける。
本を読む。
直す。
もう一度試す。
この繰り返しで十分です。
むしろ本を読んでから作るより、
一度自分で失敗してから本を読む方が、書いてある意味が分かる
ことがあります。
「情報リークに注意しましょう」
と読んでも最初はピンと来ません。
自分のAIが異常に強くて、
「これ未来データ入ってない？」
となった後なら、一生忘れません。
まとめ
競馬AIを作るために必要な知識は、機械学習だけではありません。
Python。
pandas。
SQL。
統計。
特徴量設計。
モデル評価。
バリデーション。
解釈。
運用。
さまざまな知識が少しずつ必要になります。
今回紹介した中で、特に競馬AIへつながりやすいと思うのは、
『Pythonによるデータ分析入門 第3版』。
『Kaggleで勝つデータ分析の技術』。
『機械学習システムデザイン』。
この3冊です。前者はデータ加工、2冊目は特徴量・モデル・検証、3冊目は継続運用という、それぞれ違う段階をカバーします。
そこへ必要に応じて、
Python基礎なら『入門 Python 3 第3版』。
SQLなら『SQLではじめるデータ分析』。
統計なら『Think Stats 第3版』。
モデル解釈なら『機械学習を解釈する技術』。
という形で広げていけばよいと思います。
競馬AIを始めるために、これらを全部読み終える必要はありません。
むしろ、
作る。
困る。
調べる。
本を読む。
直す。
また困る。
くらいでちょうどいいです。
競馬AIは毎週新しいレースがあります。
つまり毎週、新しいデータが追加されます。
モデルを作って終わりではなく、その結果を観察し、特徴量を考え、検証し、必要ならモデルを更新する。
その繰り返しです。
技術書は、勝ち馬を教えてくれるわけではありません。
「この特徴量を入れれば回収率120％になります」とも書いてありません。
それでも、
なぜバックテストを疑うべきなのか。
なぜ時系列を意識する必要があるのか。
なぜ的中率だけではモデルを評価できないのか。
なぜモデルが負け始めたからといってすぐ再学習してはいけないのか。
そうした、競馬AIを長く壊さず育てるための考え方を学べます。
そして個人的には、そこが技術書を読む一番大きな意味だと思っています。
AIにコードを書いてもらえる時代だからこそ、
「どう書くか」
だけではなく、
「その作り方で本当にいいのか」
を考えられる知識を持っておく。
競馬AIを単発の予想ツールではなく、長く観察して育てる仕組みにするなら、本から得られるものはまだかなり多そうです。
コメント