카테고리
AI 방법론
AI 경마 예측의 작동 원리, 17개 분석 요소와 가중치, 적중률 측정 방식까지. OddsCast 알고리즘이 어떻게 KRA 공공데이터를 경주 예측 점수로 변환하는지 설명하는 방법론 권위 페이지 시리즈입니다.
8편 발행
AI가 통계 모델과 다르게 판단할 때: 34경주 채점 기록
OddsCast는 통계 모델이 매긴 점수 위에 경마 마스터 AI의 판단을 덮어써 적중률을 채점합니다. 2026년 8월 22~23일 34경주를 소급 채점하니 마스터 61.76%, 모델 56.86%, 마감 배당 63.73%였습니다. 두 판단이 갈린 20경주의 채점 기록을 공개합니다.
6분 분량
우리 AI가 1착 확률 92%라고 했을 때
AI가 내놓은 1착 확률 평균 70.4%, 실제 승률 46.9%. OddsCast가 자사 예측에서 발견한 과신 오류와 원인, 그리고 71건을 되돌린 과정을 공개합니다.
3분 분량
하루 만에 버린 +2.5%p: 좋아 보이는 숫자를 걸러내는 법
새 데이터로 적중률이 2.5%p 오르는 측정 결과가 나왔지만 공개 전 검증에서 걸러냈습니다. 대조군 재학습, 월별 분해, 시장 상한 대조라는 세 단계 검증을 실제 수치와 함께 공개합니다. 진짜 개선분은 0.5%p 수준이었습니다.
3분 분량
AI가 배당과 다르게 본 말은 실제로 달랐다: 의견 차이 검증
같은 인기 순위의 말이라도 AI 평가에 따라 실제 3착 이내 비율이 갈립니다. 인기 2위를 AI가 올려 봤으면 65.7%, 크게 내려 봤으면 49.0%였습니다. 1,441경주에서 시장 순위를 고정하고 AI 의견의 값어치를 잰 결과를 정리합니다.
3분 분량
AI가 말한 승률 94%는 왜 절반만 맞았나: 확률을 고친 기록
OddsCast AI가 승률 94%라고 말한 말들은 실제로 56.6%만 이겼습니다. 순위는 정확한데 확률이 부풀려져 있던 원인, 숫자 하나로 예측 확률의 오차를 0.305에서 0.033으로 줄인 보정 과정, 적중률이 그대로인 이유를 정리합니다.
3분 분량
OddsCast 적중률 측정과 공개 방식: 운영자가 조작할 수 없는 구조
OddsCast AI 경마 적중률이 어떻게 측정되고 공개되는지 정리합니다. 예측 저장 시점, 자동 채점 흐름, top1/top3 정의, prediction_eval 테이블 구조까지 실제 서버 코드 기준으로 설명합니다.
5분 분량
AI는 경마를 어떻게 예측하나?: OddsCast 파이프라인 한눈에
OddsCast의 AI 경마 예측 파이프라인을 데이터 수집부터 1·2·3착 후보 추천까지 단계별로 설명합니다. KRA 공공데이터, Python 수학 분석, Google Gemini 추론, 서버 캐싱이 어떻게 결합되는지 보여줍니다.
6분 분량
OddsCast는 어떻게 경마를 예측할까?: 17가지 분석 요소 완전 해설
OddsCast AI 경마 예측이 사용하는 17가지 정량 분석 요소(레이팅·폼·기수·게이트·주로 이력·상대 경쟁력 등)와 각 요소의 가중치를 출처와 함께 정리한 글입니다.
5분 분량