分析コラム 【競馬データ分析への道⑥】機械学習からデータ分析へ
機械学習による競馬予想から、自分で競馬データを分析して予想するスタイルへ方向転換した過程を紹介。種牡馬別の成績や性別、馬体重、レース間隔などを分析し、血統と条件の組み合わせから傾向を探す面白さに気付いた体験をお伝えします。
K-Analytics
分析コラム 
コース攻略 【コース攻略】中京ダ1800m｜好走血統・買い条件・消し条件をデータ分析
中京ダ1800mの血統傾向を2022年以降のデータから分析。キズナ・ルヴァンスレーヴ・キタサンブラック産駒の買い条件や、ルーラーシップ・マインドユアビスケッツ・デクラレーションオブウォー産駒などの消し条件を紹介します。
その他 競馬予想・振り返り記事の掲載先変更について｜今後はnoteで公開します
レース予想・振り返り記事をnoteへ移行しますこれまで「血統KEIBA Analytics」では、週末のレース予想やレース後の振り返り記事をブログで公開してきました。今後のコンテンツ構成を見直し、2026年8月15日（土）以降のレース予想・...
分析コラム 【競馬データ分析への道⑤】競馬で機械学習に挑戦
YouTubeで競馬の機械学習を学び、WebスクレイピングやLightGBMを使った競馬予想モデルの作成に挑戦した実体験を紹介します。モデルを完成させる中で感じた機械学習の可能性と限界、そして次の一歩につながる気付きについてお伝えします。
コース攻略 【コース攻略】新潟ダ1800m｜好走血統・買い条件・消し条件をデータ分析
新潟ダ1800mの血統傾向を競馬データから分析。枠番・種牡馬ランキング、コース適性から、狙いたい買い条件や注意したい消し条件を紹介します。
分析コラム 【競馬データ分析への道④】Kaggle・SIGNATEへの挑戦
Python 3 エンジニア認定データ分析試験合格後、KaggleやSIGNATEのコンペに挑戦した実体験を紹介します。試行錯誤を重ねる中で感じた課題や、競馬データ分析へ進むきっかけとなった転機についてお伝えします。
コース攻略 【コース攻略】札幌芝1200m｜好走血統・買い条件・消し条件をデータ分析
2022年～2026年7月26日のデータをもとに札幌芝1200mを徹底分析。枠順傾向や血統別のコース適性を検証し、ファインニードル産駒・ロードカナロア産駒・シルバーステート産駒などの買い条件、イスラボニータ産駒・モーリス産駒・キズナ産駒の消し条件を詳しく紹介します。
コース攻略 【コース攻略】中京芝2000m｜好走血統・買い条件・消し条件をデータ分析
中京芝2000mの好走血統をデータ分析。エピファネイア、ロードカナロア、キタサンブラックの買い条件や、サトノダイヤモンド、ルーラーシップ、ゴールドシップの消し条件を紹介。枠番傾向も解説します。
分析コラム 【競馬データ分析への道③】データ分析という世界との出会い
Python 3 エンジニア認定データ分析試験を選んだ理由や勉強法、Kaggleとの出会いを実体験で紹介します。データ分析という新しい世界を知り、現在の競馬データ分析につながる第一歩となった体験をお伝えします。
コース攻略 【コース攻略】新潟芝1800m｜好走血統・買い条件・消し条件をデータ分析
新潟芝1800mの血統傾向を競馬データから分析。枠番・種牡馬ランキング、コース適性から、狙いたい買い条件や注意したい消し条件を紹介します。