En transparent genomgång av maskininlärningsmodellen bakom Travmaskinen: XGBoost, vilka features som används, hur kalibrering fungerar och vad AI faktiskt kan — och inte kan — förutsäga.
Travmaskinens kärna är en ensemble av XGBoost-modeller (Extreme Gradient Boosting) — en typ av beslutsträdsbaserad maskininlärning som är bevisat effektiv på strukturerad tabelldata. XGBoost tränas på historiska racedata och lär sig mönster som mänskliga experter inte alltid kan identifiera. Modellen tränas om kontinuerligt allteftersom nya lopp körs och ny data tillkommer.
Modellen analyserar 80+ features per häst per lopp, indelade i fem kategorier: (1) Hästens form — senaste 5 lopp, snitttid, segerkvot. (2) Kusken — vinsttakt, historik mot specifik häst, banprestationer. (3) Loppkontext — startposition, avstånd, underlag (grus/gräs), banrekord. (4) Tränardata — stallets aktuella form, resorrantering. (5) Odds-rörelse — hur marknaden har förändrat odds sedan de öppnade.
Råa XGBoost-poäng är inte sannolikheter — de måste kalibreras. Travmaskinen använder isotonisk regression för att omvandla modellpoäng till välkalibrerade vinnarsannolikheter. Det innebär att en häst med 30% AI-sannolikhet faktiskt vinner ca 30% av gångerna i historiska data. Kalibrering är kritisk för systemspel — utan den riskerar du att systematiskt under- eller överskatta chanser.
Modellen kan inte förutsäga oväntade händelser: hälta som uppstår under loppet, taktiska misstag av kuskar, väderomslag under race, eller hästar som plötsligt byter taktik. Dessa "svarta svanar" händer i ca 5-10% av loppen och är grunden till att gardering alltid är nödvändig. AI-sannolikheter är förväntningsvärden, inte garantier.
Travmaskinens modell uppnår ca 35-40% precision på top-1 vinnarprediktioner (att korrekt identifiera vinnaren som mest sannolika), jämfört med ca 30% för ATG-odds (marknadens implicita sannolikhet för favoriten). Precision mäts löpande och publiceras på sajten. Transparens är en kärnprincip — vi visar modellens konfidens, inte bara dess topprekommendation.
Steg 1: Förstå vinnarsannolikheten
Varje häst i Travmaskinens analys visas med en procentuell vinnarsannolikhet. En häst med 40% är kalibrerad att vinna ca 4 av 10 gånger i liknande lopp historiskt.
Steg 2: Jämför med odds
Beräkna ATG-oddsens implicita sannolikhet: 1/odds. En häst med odds 3,00 har 33% implicit sannolikhet. Om AI säger 45% har hästen positiv value — marknaden undervärderar den.
Steg 3: Använd konfidensnivån
Varje lopp visas med en konfidensnivå (HÖG/MEDEL/LÅG). Hög konfidens = modellen är mer säker. Spika helst i lopp med hög konfidens och ett klart favoritskap.
Steg 4: Kontrollera trendindikatorer
Travmaskinen visar om en hästs AI-sannolikhet har stigit eller sjunkit de senaste 24 timmarna baserat på uppdaterad tränarinfo och odds-rörelse. Stigande trend är ett positivt tecken.
Steg 5: Kombinera AI med eget omdöme
AI är ett beslutsstöd, inte en oracle. Har du lokal kunskap om en häst, kusk eller bana som inte finns i modellens data — väg in det manuellt. De bästa resultaten uppnås när AI och erfaret omdöme kombineras.
Redo att prova AI-analysen i praktiken?
Gå till Travmaskinen →