競馬

機械学習で競馬予想 機械学習

機械学習で競馬予想

どーも管理人です。 今回より、タイトルを変更してお送りします。 さて、前回5月9日は4連敗と惨敗に終わりましたが、反省点を踏まえモデルの改良を行いました。 データ数を8000件から40000件(5倍)に増やしました。モデルを2つ用いて2段階で予想を行う方法に変更しました。これにより、直前のオッズ変動…
機械学習を実生活に(その4) 機械学習

機械学習を実生活に(その4)

どーも管理人です。 それでは5月9日の東京競馬参戦記の続きです。 さて、ここまでは連敗ですが、この後きっと挽回すると信じています。(根拠なし)   リンク   3R 3歳未勝利ダート1600m 予想では1、2、3着は人気順と予想しています。オッズも2.6、3.7、5.3とそれなりに離れています。3番…
機械学習を実生活に(その3) 機械学習

機械学習を実生活に(その3)

どーも管理人です。 機械学習を実生活にの第3回です。 今回は実際に参戦してみるわけですが、いくつかのルールを課しておきます。 管理人は貧しいので投入できる資金は限られています。 大きく勝つことは構いませんが、大きく負けることは避けなければいけません。 実生活に支障が出てはいけませんからねっ。   と…
機械学習を実生活に(その2) 機械学習

機械学習を実生活に(その2)

どーも管理人です。   特徴作成をする まずはデータから特徴作成を行います。特徴量としては、オッズ、馬番、性齢、馬体重、斤量、天候、距離、コース種類などを馬ごとに作成します。他にも開催地、騎手、タイム、調教師、厩舎なども得られますが、今回は使いません。 これらはクローリングでちょいちょいと簡単に集め…
機械学習を実生活に(その1) 機械学習

機械学習を実生活に(その1)

どーも管理人です。 発表を予定していました日本臨床工学会が9月に延期になりました。6月の透析医学会もどうなることか。まぁこればかりはどうしようもありません。 せっかくですので、発表の内容を実生活に転用してみようと思い立ちました。科学は実用的であってこそですからね。 今回の両学会での発表は機械学習を用…