LightGBMによるAI競馬予想(準備編)

AI競馬
2022.12.09

はじめに

この記事はLightGBMで競馬予想したい「PC-KEIBA Database」のユーザーを対象にしてます。情報を詰め込みすぎると無駄に難しく感じるので、ここでは最低限必要な環境の準備と機械学習の知識しか書きません。なのでLightGBMや機械学習を勉強したいという人には、あまり向いてない内容かもしれません。できるだけ専門用語は使いませんが、分からない単語が出てきたらググってください。

「LightGBM」を知らない人は先にググって知ってからのほうが、この記事を楽しく読めるかもです。

AI競馬予想に最適な PC-KEIBA Database

この「AI競馬」のカテゴリではLightGBMで競馬予想するための、Pythonのソースコードを無料で公開してます。本当は有料会員限定にしたかったんですが、Pythonのソースコードはネットになんぼでも転がってるから意味ないな、と思って無料にしました。

最初はLightGBMについて「PC-KEIBA Database」に画面を作ろうか悩みました。でもPythonのソースコードは簡単でありつつ、LightGBMパラメータの組み合わせは無限に近いです。なので、この形で公開するのが汎用的でユーザー様の役に立つと思いました。何より学習データを作るのは「PC-KEIBA Database」が得意とする仕事なので。

ちなみにPythonでスクレイピングしたりデータ編集したりとか、非効率で面倒なことやってるサイトを見かけますが、それって時間の無駄でしかないですよ。Pythonのライブラリを自作してるようなもんで、すでにある物は使えばいいだけ。本当に時間がもったいない。

だってJRA-VANに￥2,000ほど払ってフリーソフトの「PC-KEIBA Database」を使えば同じこと出来るんですよ？あなたの時間って￥2,000より安いもんですか？学習データの編集もPythonよりSQL使ったほうが確実にはかどります。

ということで「PC-KEIBA Database」と「LightGBM」でAI競馬予想する話を始めます。

環境の準備

Pythonのインストール

最初にバージョン 3.x.xの「Python」をインストールします。Pythonとは、データ分析や人工知能のシステム開発で非常に人気があるプログラミング言語です。

開発環境を構築する必要はありません。ここではPythonのインストールだけでOKです。

インストール方法は、次のGoogleの検索結果からお使いのWindows（7～11）に合った方法を参考にしてください。→Python インストール

Googleの検索結果、つまり最新の情報および分かりやすいサイトは時間と共に変化します。なので、ここにはあえて書きません。

ライブラリのインストール

次にLightGBMを使うために必要な、4つのライブラリをインストールします。

  1. pandas
  2. scikit-learn
  3. LightGBM
  4. Matplotlib

これらは定番かつPythonの機械学習には必須のライブラリです。特に勉強する必要もありませんが、それぞれの役割とか詳細はググってください。

「Matplotlib」はどうしても必須じゃないですが、データをグラフ化できる便利なライブラリなので入れときましょう。当サイトで公開するPythonのソースコードでも使ってます。

コマンドプロンプトを起動して、次の4つのコマンドを「1行ずつ」実行してください。実行とは、コピペしてEnterキーを押すだけです。

py -m pip install pandas
py -m pip install scikit-learn
py -m pip install lightgbm
py -m pip install matplotlib

場合によって少し時間がかかります。それぞれ、コマンドプロンプトの画面がコマンドを入力する直前と同じ状態になったら完了です。

ライブラリのインストールについて、この文章の説明だけで分かりにくい場合は「Pythonデータ分析画面を使う準備」のマニュアルに画像付きで同じようなことを解説してるんで、そっちを参考にしてください。

たったこれだけでLightGBMによる競馬予想の環境が整いました。

Pythonの最新化

おまけでPythonを最新化するコマンドも書いときます。

python.exe -m pip install --upgrade pip

機械学習の知識

機械学習の話を進めていく上で、最低限知っておく必要がある単語を3つ説明します。

  1. 目的変数
  2. 説明変数
  3. 学習データ

目的変数

「目的変数」とは、予測したい項目および数値です。競馬予想の場合、着順とか単勝人気順、あるいは走破タイムとか。予想単勝オッズもアリですね。

目的変数は1つだけ決めます。

ちなみに、LightGBMは良い評価であるほど目的変数の数値が大きい想定で設計されてます。例えば「確定着順」を目的変数とする場合、1着は1番大きい数値に、最下位は1番小さい値にしてくれ、ということです。

説明変数

「説明変数」とは、目的変数に対して影響があるんじゃないか？と考えられる項目および数値です。競馬予想の場合、前走の着順とか単勝人気順とか。

説明変数は競馬予想の場合、複数にせざるを得ません。だって「タイム」とか「血統」とか、何か1つだけでレースの結果が決まるとかありえないでしょ？

数値化できない項目を説明変数にする方法とかはググってください。奥が深く、ここで説明するとややこしくなるんで。

学習データ

説明変数と目的変数のセットが「学習データ」です。競馬予想における学習データとは、過去のレース結果になります。

今は分からなくても、とりあえず読み進めてください。全体を読めば分かる、簡単な内容なので安心してください。

作業のおおまかな流れ

LightGBMで競馬予想するための、作業のおおまかな流れを説明します。

データの分析方法を決める

機械学習のやり方にも色々ありますが、ここでは競馬予想に使えそうな4つの分析方法を紹介します。分析方法の詳細はページを分けますので、次のリンクで移動してください。

  1. 二値分類(binary)
  2. 多クラス分類(multiclass)
  3. 回帰分析(regression)
  4. ランキング学習(lambdarank)

Pythonのソースコードは、それぞれのページで無料で公開してます。

学習データを作る

学習データを作るのは「SQL」を使えば楽勝。具体的なSQLは分析方法の各ページで公開してます。

SQLの実行結果をCSV形式でファイルに出力して「学習データ」にします。「A5:SQL Mk-2」は数値について、負の小数を勝手に指数表現(e)したり、整数を想定してる数値を勝手に小数にしたりとか、想定外の書式にされる場合がよくあるので学習データ作りには不便です。なので私は「pgAdmin」を使ってます。

ここでは学習データのサンプルとして、次の内容で作ってみます。上から説明変数、最後に目的変数です。

  • JRA-VANタイム型データマイニング
  • 馬体重
  • 1〜2走前 確定着順
  • 1〜2走前 4角順位
  • 1〜2走前 単勝人気順
  • 1〜2走前 後半3F順位
  • 1〜2走前 タイム差
  • 【目的変数】確定着順

目的変数はフラグとか相対値とか、データの分析方法によって「確定着順」を加工します。

今回のサンプルで使う学習データの集計期間は、JRA 2021年の1年分のみとします。

「馬体重」と「1〜2走前 後半3F順位」のデータは次のプロシージャを使います。

このサンプルを参考に同じ学習データを作りたい場合は、上記2つのプロシージャを実行して、先にテーブルにデータを用意してください。それ以外は「馬毎レース情報」テーブルから取れます。

「二値分類」用の学習データをExcelで開くとこんな感じです。

「二値分類」用の学習データ

LightGBMに学習させる

学習用ソースコードでCSVファイルの学習データをLightGBMに学習させます。この学習させた結果が機械学習の世界で「モデル」と呼ばれるやつです。

モデルを評価する

モデルを評価する方法として、

  • 学習した結果をグラフ化する。
  • 「PC-KEIBA Database」を使ってシミュレーションする。

などが挙げられます。モデルを評価する基準は分析方法によって様々です。評価を繰り返して良いモデル、つまり現実に近い予測が出来るまで、回収率および的中率が高いモデルが出来るまで修正を繰り返す。具体的には、

  • LightGBMパラメータをチューニングする。
  • 説明変数を変えてみる。

などです。

チューニングについては「LightGBMによるAI競馬予想(チューニング編)」の記事で解説しているので参考にして下さい。

予測(予想)させる

モデルが完成したら予測用ソースコードで予測させる、つまり明日のレースを予想させる。そして馬券を買う。

オリジナルAI競馬予想の作り方

この記事と「PC-KEIBA Database」があれば、あなたが用意するのはCSV形式の学習データだけです。自分が作ったSQLで機械学習する場合は、その学習データを使うだけです。この記事のPythonのソースコードは、ほぼそのまま使えます。SQL書いて学習データ作ればOK、なトコまで作ってます。イジるのはチューニングでLightGBMパラメータを編集する場合だけです。

まあとにかく、ここにあるのは全部、1つの「サンプル」でしかないから最終的には好きに作ってください、ということです。

最後に

当たり前の話ですがLightGBMによるAI競馬予想と機械学習は、この記事に書いてあることが全てではありません。良いモデルを作るための評価基準とか、そういった類はLightGBMの技術に特化したサイトとか、頭の良い人が書いた統計学の専門書とかで勉強してください。そもそも、それを自分で追及するのが楽しいと思うんで。

チューニングについては「LightGBMによるAI競馬予想(チューニング編)」の記事で解説しているので参考にして下さい。

以上、「PC-KEIBA Database」で思う存分、AI競馬予想を楽しんでください！