何年もUFCのファンで、最近少し空いた時間を使って、学習プロジェクトとして、機械学習を使ってどのファイターが勝つかを予測するウェブアプリを作ってみました。
驚くことにかなり良い出来で、精度はおよそ71.6%です。アルゴリズムを調整して、各ディビジョンの支配的なファイティングスタイルを考慮し、それに合うファイターにわずかな優位を与えるようにしました。
興味のある方向けに、MLパイプライン：
モデル：XGBoostの二値分類器（binary:logistic）— ファイターAが勝つか（1）ファイターBが勝つか（0）を予測します。ドロー／ノーコンテストは学習から除外しています。
特徴量（合計26）
重要な設計上の選択は差分特徴量です。すべての統計を絶対値ではなく「fighter_A − fighter_B」で計算します。これにより、SHAP値を相対的な優位としてそのまま解釈できます：
- ストライキング：SLpM差、有意な有効打命中率差、被弾差、ストライクディフェンス差
- グラップリング：TD平均差、TD命中率／ディフェンス差、サブミッション平均差
- 身体面：身長差、リーチ差
- 戦績：勝率差、フィニッシュ率差、KO/TKO率差、サブ率差
- 最近の調子：wins_last_5差、losses_last_5差、そして（直近ほど重みが大きい）レシェンシー重み付けのモメンタムスコア（最も新しい試合＝5×、最も古い＝1×、[−1, +1]に正規化）
- 経験：総試合数差、平均ストライク／TD／コントロール時間差
- スタイル文脈：style_win_rate_in_division差 — そのウエイトクラスにおける各ファイターのスタイル（ストライカー／レスラー等）の歴史的な勝率
- 差分を取らないもの：両者のスタイルエンコーディング（マッチアップの相互作用を捉えるためペアのまま保持）、ウエイトクラスのデルタ（本来のディビジョンからカット／アップしているか）
リーケージ防止
各学習サンプルについて、両ファイターの統計は「その試合の日時より厳密に前に行われた試合だけ」を使って計算します。未来のデータが混入しません。すべての試合を日付順に並べます。試合Nでは、特徴ベクトルに寄与するのは試合1..N-1のみです。
学習
- XGBoost：n_estimators=500, max_depth=5, lr=0.05, subsample=0.8, colsample_bytree=0.8, min_child_weight=5, patience=50で早期終了
- 80/20の層化（stratified）train/test分割
- 一般化を検証するための5-fold層化CV
- 指標：accuracy、ROC-AUC、log-loss
TreeSHAPは、各予測ごとに特徴量ごとの重要度（importance）値を生成します。これらは、生の統計量とともにClaude（claude-sonnet-4-6）へ渡され、自然言語による説明を生成します— Claudeは計算はせず、ナレーションするだけです（すべての数値は決定論的なパイプラインから来ています）。
https://ufc-fight-predictor-v1.vercel.app/
免責事項：これは個人的な学習プロジェクトであり、金融や賭けの助言ではありません。予測は過去の統計に基づいており、たくさんの回数で外れることもあります。
[link] [comments]
