AI予測の使い方
How to Predict
配球論
過去のNPB投打データから学習した機械学習モデル（LightGBM 3段カスケード： コンタクト判定 → 結果有無 → 結果クラス）で、 次の1球の結果を予測します。
使い方
リード論
配球論にコントロール（投球精度）の概念を加え、 投手が「狙ったコース」と「実際に投じたコース」のズレを 確率的にシミュレーションします。 捕手のリード（要求コース）通りに投げられるとは限らない、 というリアルな投球を再現します。
使い方
偏差の種類とコントロール別確率
各コントロールレベルは、以下の確率で6種類の偏差を生み出します。
| 偏差タイプ | 良 | 普通 | 悪 |
|---|---|---|---|
| 正確（意図通り） | 80% | 60% | 50% |
| 縦ズレ | 6% | 12% | 14% |
| 横ズレ | 6% | 12% | 14% |
| 縦横ズレ | 5% | 10% | 10% |
| ボール失投 | 2.5% | 5% | 10% |
| ど真ん中失投 | 0.5% | 1% | 2% |
※ 予測結果は学習データに基づく統計的シミュレーションです。
実際の試合結果を保証するものではなく、配球研究・観戦の補助としてご活用ください。
データベース
過去5年分の試合データを基にAIが学習しています
精度
平均予測精度約60%を達成しています