篩選資料,還真的有初級人工智能的味道。篩選是一種數據清洗,篩選是一種特徵提取,經過清洗和提取而得出的就是機會馬的模型。
舉一個較簡單的例子。因為冠軍騎師潘頓的最低造磅是120磅左右,在可以超2磅上陣的情況下,潘頓是可以策騎118磅賽駒,但我們不知潘頓的體重是不是維持在120磅,有可能他會刻意減磅,也有可能他一時放鬆變121磅,所以還是假設118磅為被迫「棄騎」。而問題就是「潘頓因造不到負磅而放棄的賽駒能不能作為投注對象」?
有了問題後,接著就是如何定義哪些是「潘頓因造不到負磅而放棄的賽駒」。有時可以通過賽馬新聞的騎練訪談中獲知,有時可以通過潘頓操過估計。前者你可能要留意馬報,而且也不會一定有報導。後者呢?並不是所有練馬師都會讓騎師操自己的出賽馬。所以我選了「上仗由潘頓策騎且跑入三甲的賽駒」作為基本定義。
1、上仗騎師潘頓,跑三甲
2、今仗負磅118或以下
3、今仗換騎師,但不包獲減3磅或以上騎師,且合作30天內
4、今仗路程不是初跑且曾有上名記錄
5、體重變動不大,控制在+-15磅內
6、出賽期和復課正常
7、健康正常
8、潘頓不是缺席整個賽馬日(其實可以忽略)
整體成績是很優秀的,13匹上陣馬中獲取8冠2亞1季1殿。所以就算不排除真的是潘頓棄騎,潘頓同場有更加強的實力馬,但這類馬值得重視。又有一個問題來了,那潘頓的坐騎的成績又怎樣呢?8、潘頓不是缺席整個賽馬日(其實可以忽略)

有時間再談談其他的賽馬特徵。
沒有留言:
發佈留言