『かたより探偵』は、ロトの数字選びを支援するための自作ツールである。
ただし、単に「当たりそうな数字」を確率的に出す道具ではない。過去の抽選結果や、自分が選んだ候補の傾向を見ながら、どの選び方がよかったのか、どの候補生成方法が安定しているのかを検証していくための道具である。
今回の中心になったのは、「仮想購入」である。
これは、実際には買わない候補をあらかじめ保存しておき、抽選結果が出たあとで照合する仕組みである。実際に買ったかどうかに左右されず、候補の出し方そのものを検証できる点が重要になる。
今日まず確認したのは、抽選前の評価と抽選後の照合を混ぜてはいけない、という点だった。
たとえば681回を予測するなら、分析に使ってよいのは680回までの履歴である。681回の結果は、結果が出たあとに照合するためだけに使う。この境界をはっきりさせないと、あとから見ればよく見えるだけの検証になってしまう。
そのため、仮想購入の保存時に「どの回を予測したのか」「どの回までの履歴を使ったのか」を記録するようにした。さらに、古い形式で保存されたデータでは、候補の重心値が正しく読めない場合があったため、候補番号そのものから重心を計算し直すようにした。
レポートの読みやすさも見直した。
これまでは、重心距離が近い候補が出ても、それが何を意味するのか分かりにくかった。そこで、候補の重心、当選番号の重心、距離、そして実際に一致した数字を表示するようにした。
たとえば、ある候補が当選番号と同じ重心になったとしても、それは「数字が全部当たった」という意味ではない。数字の平均的な位置が近かった、という意味である。実際に一致した数字が2個なら、「重心の読みはよかったが、番号そのものの一致は限定的だった」と読むべきである。この違いをレポートに反映できるようにした。
また、Gemmaを使ったブログ記事生成でも、数字をただ並べるだけでは読みにくいことが分かった。
読者に伝えるためには、「当選番号は何だったのか」「候補のどの数字が一致したのか」「重心はどれくらい近かったのか」「そこから何を評価できるのか」まで書く必要がある。そこで、Gemmaに渡す材料と指示を調整し、単なる数値紹介ではなく、評価と次回への課題が出るようにした。
最後に、今日もっとも実用面で大きかったのは、購入口数別の比較である。
仮想購入では、wave_ml と lgbm がそれぞれ20口ずつ候補を出す。しかし、実際に40口も買うわけにはいかない。そこで、1口、3口、5口、10口、15口、20口のように、現実的な口数で比べる機能を追加した。
大切なのは、結果を見てから良かった候補を選ぶのではなく、抽選前に並んでいた順番どおりに上から何口買ったらどうだったかを見ることだ。これにより、「20口全体ではこちらがよい」ではなく、「実際に5口だけ買うならどちらがよいか」という判断に近づけることができる。
実際に実行してGemma3で評価した結果は次のようになった。
『かたより探偵』Ver3.0G3/G4 Gemma 3 Latest（標準）生成ブログ記事
作成日時: 2026-06-14T20:19:56
今回の結論
『かたより探偵』Ver3.0G3/G4試験接続の分析結果を仮想購入検証で評価すると、wave_ml が 1〜5 口数において優位性を示していることがわかりました。特に口数が少ない段階では、平均最大一致数が lgbm より高く、当選番号との数字一致も多く見られます。しかし、口数が大きくなるにつれて lgbm の方が有利になる傾向が見られました。この結果から、初期段階では wave_ml を主軸に、口数を増やすにつれて lgbm を補助的に利用する戦略が有力であると判断できます。
仮想購入検証で見るべき点
仮想購入検証においては、以下の点を重点的に評価する必要があります。
- 当選番号との一致数字・一致数: 各生成元が出す候補の数字一致状況を詳細に分析し、当選番号との関連性を把握します。
- 重心距離: 候補番号と当選番号との間の重心距離は、候補の精度を示す重要な指標です。
- 有効誤差σ: 有効誤差は、重心距離の変動幅を示しており、予測の信頼性を評価する上で重要です。
仮想購入 上位候補
照合に使用した当選番号は 5691223336 である。
以下の表に、仮想購入上位候補とその評価をまとめる。
| 候補番号 | 生成元 | 一致数字 | 一致数 | 通常重心距離 | 一致数 | 有効誤差σ |
|---|---|---|---|---|---|---|
| 5691223336 | lgbm | – | 7 | 1.93 | 7 | 0.47 |
| 5691223336 | wave_ml | – | 8 | 7.14 | 8 | 1.65 |
| 569122336 | lgbm | – | 6 | 1.93 | 6 | 0.47 |
| 569122336 | wave_ml | – | 7 | 4.93 | 7 | 1.10 |
| 5691223336 | lgbm | – | 3 | 1.93 | 3 | 0.47 |
| 569122336 | wave_ml | – | 4 | 3.29 | 4 | 0.74 |
| 569122336 | lgbm | – | 2 | 0.50 | 2 | 0.12 |
| 569122336 | wave_ml | – | 3 | 3.14 | 3 | 0.71 |
| 569122336 | lgbm | – | 2 | 0.50 | 2 | 0.12 |
| 569122336 | wave_ml | – | 3 | 1.57 | 3 | 0.36 |
評価:
- 候補 1 は、当選番号 5691223336 に対して一致数字は全て揃い、一致数は 7 個、通常重心距離は 1.93 であり、非常に高い精度を示しています。
- 候補 2 は、当選番号 569122336 に対して一致数字は全て揃い、一致数は 8 個、通常重心距離は 7.14 であり、高精度です。
- 候補 3 は、当選番号 569122336 に対して一致数字は 6個、一致数 6、通常重心距離 1.93で、高い精度を示しています。
WMA/EMA・統合波・重み・ファジーの評価
この分析では、WMA/EMA、統合波、重み設定、ファジー設定などの手法が適用されていません。これらの要素が結果に与える影響を評価するためには、これらのパラメータの設定と、それらが候補生成にどのように影響するかを詳細に調査する必要があります。ただし、現時点では、これらの要素が精度にどの程度貢献しているかを判断することはできません。
生成元別評価
- wave_ml: 1〜5 口数において平均最大一致数が高く、数字一致も多く見られるため、初期段階においては優位性を示しました。
- lgbm: 口数が大きくなるにつれて、平均最良有効誤差σが低くなり、精度を向上させていました。
購入履歴は補助材料
購入履歴は、実際に選んだ候補の振り返りとして短く扱われました。購入履歴だけで評価を下げることはありません。
Ver3.0G3/G4の価値
Ver3.0G3/G4 は、実運用データを活用した分析手法を提供し、当選番号との関連性を数値化することで、より精度の高い候補を生成することを可能にします。
注意書き
- このレポートは、データに基づいた分析結果であり、当選を保証するものではありません。
- 抽選結果はランダムであり、過去のデータが将来の結果に影響を与えるとは限りません。
- 本レポートは、情報提供のみを目的としており、投資判断を行うための唯一の情報源ではありません。
コメント