AI予想は曜日やキックオフ時刻を見ているのか

曜日によって結果は違いますか

違います。確定した試合を平日と週末に分けると、次のようになります。

ホーム勝ちは週末の方が 3.3ポイント 多く、アウェイ勝ちは平日の方が 4.2ポイント 多い。引き分けの割合はほとんど動きません。差は小さくありません。

ただし分母が大きく違います。平日は 563 試合、週末は 2,636 試合で、8割以上が週末に行われています。平日の側は、数としては少数派です。

差があるのに、なぜ材料にしないのですか

見えている差が曜日そのものから来ているとは限らないからです。平日に試合が置かれるのは、日程が詰まっている時期や、カップ戦のような 特定の大会であることが多い。つまり平日と週末の比較は、曜日だけを入れ替えた 比較ではなく、置かれる試合の種類ごと入れ替えた比較になっています。

アウェイ勝ちが平日に多いことにも、いくつもの説明がつきます。移動の負担、 観客の入り、大会ごとのホーム有利の大きさ。どれももっともらしく、 公開データだけではどれが効いているのか切り分けられません。切り分けられないものを「曜日」という1つの目盛りにまとめてモデルへ入れると、 モデルは曜日を通じて別のものを学ぶことになります。

リーグごとにホーム有利の大きさが違うことは、別の記事で数字にしています。 曜日より先に見るべきなのはそちらです。

• リーグ別のホーム勝率と引き分け率
• 平日と週末で、試合の結果は違うのか

キックオフ時刻はどうですか

時刻はさらに使いにくい材料です。確定した 3,199 試合のうち、 上位3つの枠だけで 48.0% を占めます。

• 日曜の14時台 19.8% (632 試合)
• 土曜の14時台 17.6% (563 試合)
• 土曜の19時台 10.7% (341 試合)
• 土曜の18時台 9.5% (305 試合)
• 水曜の19時台 7.6% (242 試合)

偏りが大きいということは、少ない側の枠の分母が極端に小さくなるということです。滅多にない時刻の試合が何試合かあって、たまたまアウェイが 勝っていれば、モデルはその時刻を「アウェイが強い時刻」として覚えます。 時刻が決まる理由は放送の都合や会場の事情で、クラブの強さとは関係がありません。

材料は多いほど良いのではありませんか

そうとは限りません。材料を増やすと、モデルは過去のデータに合わせる自由度を 手に入れます。自由度が増えるほど、過去にだけよく合って、次の試合には合わない形を作りやすくなります。曜日や時刻のように、結果と関係があるように見えて実は 別のものの影だった、という材料はとくに危険です。

全体では、確定した 3,199 試合のうち ホーム勝ちが 40.4%、引き分けが 26.1%、アウェイ勝ちが 33.5% です。曜日で分けたときの差は、この全体の姿から大きく離れるものではありません。 材料として入れる価値があるかどうかは、この距離感で判断しています。

同じ考え方で外しているものに、選手や先発の情報があります。理由は「集められない から」ではなく「入れても的中率が上がりにくいから」で、こちらは実際に測った うえでの判断です。

• 選手や先発の情報を使わない理由
• 本サービスが予測しないもの

材料を絞った結果、成績はどうなっていますか

曜日も時刻も選手情報も入れないまま、代表成績は 46.8% (7,719 / 16,503) です。同じ予測を、その回でいちばん多かった結果を毎回選ぶやり方で採点すると 41.7% なので、モデルはそれを上回っています。モデルは dc-elo-0.4.0、採点の版は eval-0.7.0 です。

この数字を「材料を絞ったから良い」と読むのは行きすぎです。材料を足した版と比べていないので、足したらどうなるかは分かりません。ここで言えるのは、曜日と時刻を入れなくてもこの水準には届いている、という ことだけです。入れる判断をするなら、入れた版と入れない版を同じ試合で採点して 比べることになります。まだそれをしていないので、入れていません。

この記事のまとめ

• 曜日で結果の割合は違います。差は小さくありません。
• ただし平日に置かれる試合は種類が偏るので、差の出どころが曜日だとは言えません。
• キックオフ時刻は上位の枠に集中しており、少ない側の分母が小さすぎます。
• どちらも予測の材料にしていません。使えるようにするには、何が差を作っている のかを切り分ける必要があります。

モデルが何を材料にしているかは スポーツくじのAI予想とは何か に、観る時間としてのキックオフ時刻は J リーグのキックオフ時刻 にあります。