AI競馬

当サイトの「AI競馬」の記事と「PC-KEIBA Database」があれば、競馬予想AIは簡単に作れます。必要なのは、CSV形式の学習データを用意することだけです。最終的には、それらを自分のニーズに合わせてカスタマイズし、最強の競馬予想AIを完成させてください。

「二値分類」は目的変数を0か1の二値に分類する方法です。ここに公開するPythonのソースコードは「正解率・適合率・再現率・F値・AUC」の評価指標を計算する機能を実装しています。学習データを作るSQLで目的変数の項目名を「target」にすれば、オリジナルの学習データで分析する場合でもそのまま使えます。

「多クラス分類」は目的変数を多クラスに分類する方法です。「二値分類」の三値以上版みたいなイメージ。ここに公開するPythonのソースコードは「正解率・適合率・再現率・F値」の評価指標を計算する機能を実装しています。学習データを作るSQLで目的変数の項目名を「target」にすれば、オリジナルの学習データで分析する場合でもそのまま使えます。

「回帰分析」は数値を目的変数とする場合に使う方法です。競馬予想の場合、例えば走破タイムなど。ここに公開するPythonのソースコードは「予測誤差」と「決定係数」の評価指標を計算する機能を実装しています。学習データを作るSQLで目的変数の項目名を「target」にすれば、オリジナルの学習データで分析する場合でもそのまま使えます。

この記事は、YouTubeでもご覧いただけます。映像とナレーションで内容がよりわかりやすく解説されているので、ぜひ以下のリンクからご覧ください。■学習データのノイズ除去と具体化・抽象化テクニック 【①距離】 【②登録頭数】【③馬場状態】【④...

Borutaで有効な特徴量を残すための5つの対策。Borutaを使った特徴量選択で、すべての特徴量が削除されてしまう場合があります。Borutaを使った特徴量選択で、すべての特徴量が削除されてしまう場合、少なくとも1つの有効な特徴量を残すために、以下の方法を試してみてください。

この記事は、YouTubeでもご覧いただけます。映像とナレーションで内容がよりわかりやすく解説されているので、ぜひ以下のリンクからご覧ください。■「真の確率」を考える期待値と確率モデルの理解競馬で馬券を買うときに、期待値と確率モデルはとても...

この記事は、YouTubeでもご覧いただけます。映像とナレーションで内容がよりわかりやすく解説されているので、ぜひ以下のリンクからご覧ください。■競馬予想AIの開発がはかどるPythonのソースコード競馬予想AIの開発がはかどるPython...

特徴量選択は、機械学習において重要な前処理の一つです。データセットから最も重要な特徴量を選ぶことで、モデルのパフォーマンスを向上させることができます。ここでは、LightGBMでBorutaというライブラリを使用して特徴量選択を行う方法について解説します。

電気自動車の最大手である「テスラ」の車用AI(自動運転)の開発には、世界中を走行するテスラ車の膨大な運転映像が使われてます。そして、それを学習したAIが平均的なドライバー並みの運転にならないように、状況に上手に対応した例だけを学習に使ってるそうです。