13_Isotonic Regressionで確率をキャリブレーションする
Qiita / 2026/3/24
💬 オピニオンTools & Practical UsageModels & Research
要点
- LightGBMなどのモデルが出す確率（例：30%で1着）と実際の的中率が一致しないことがあり、そのズレを補正するのが確率校正（キャリブレーション）である。
- キャリブレーションは、モデルの予測確率と正解率の対応関係を合わせ、確率を意思決定に使いやすい形へ整える手法として位置づけられる。
- 本記事では確率校正の代表的手法であるIsotonic Regressionを用い、予測確率のマッピングを行う考え方を扱う。
- 競馬AI文脈では「確率の解釈」を正しくすることで、着順予測の確率ベースの戦略（評価や比較）に直結する。
はじめに
LightGBMが出力する確率は「1着になる確率30%」と言っても、実際に30%の割合で1着になっているとは限りません。モデルの確率と実際の正解率を一致させる処理を**キャリブレーション（確率校正）**といいます。
競馬AIでは確率の絶対値が期待値計算に直結する...
この記事の続きは原文サイトでお読みいただけます。
原文を読む →
