Eloレーティングは，オセロやチェス，将棋など対局型ゲームの実力の評価指標として幅広く利用されている．しかし，実力のあるプレイヤーが新規参入した際，Eloレーティングの変動定数が固定値であることにより適切なレーティング値に収束するまで時間がかかる問題がある ．本研究では特にオセロを対象として，機械学習を用いてプレイヤーのレーティング値をより早く適切な値に収束させる方法を提案する．実際のプレイヤーの棋譜とEloレーティング値からレーティング値の予測に適切な特徴量を調査し，棋譜から実際の実力に近いレーティング値を予測する学習モデルを作成する．実験では学習モデルによる収束速度増加を目指す．