マガジンのカバー画像

【定期マガジン】競馬AI研究所

「競馬予想AIを1から作る」ことを通して、機械学習・データサイエンスの勉強になるコンテンツの発信や、筆者が行った実験の共有などを行っていきます。 一度きりの「機械学習で競馬予想…
単品購入するよりマガジンの定期購読がお得です（全て単品購入した場合の半額以下になります）。 月の途…
¥980 / 月
運営しているクリエイター
データサイエンス研究所

#競馬予想

【競馬AI開発#12】競馬予想AIには何年間のデータを学習させるべきか？

この【競馬AI開発】シリーズでは、競馬予想AIを作ることを通して、機械学習・データサイエンスの勉強になるコンテンツの発信や、筆者が行った実験の共有などを行っていきます。 ■今回やること 今回は、機械学習モデルに学習させるデータを追加するためのコードを整えると同時に、データ量による精度を比較し、何年分のデータを学習に使用するのが最適なのか？検証していきます。 機械学習ではこのように、一部のデータを学習させずに検証用とすることで、未知のデータに対する予測シミュレーションを行い

¥1,000
データサイエンス研究所

【競馬AI開発#11】的中率・回収率のシミュレーションを作成する

この【競馬AI開発】シリーズでは、競馬予想AIを作ることを通して、機械学習・データサイエンスの勉強になるコンテンツの発信や、筆者が行った実験の共有などを行っていきます。 ■今回やること 今回は、機械学習を使って実際に馬券を買った際の的中率・回収率のシミュレーションを行います。 今回のコードを実行することで、以下のように各馬券の的中率（hitrate）・回収率（returnrate）を、人気順に買った場合と比較して出力することができます。 evaluator = Eval

¥1,000
データサイエンス研究所

【競馬AI開発#9】予測時のコードを作成して競馬AIを完成させる

この【競馬AI開発】シリーズでは、競馬予想AIを作ることを通して、機械学習・データサイエンスの勉強になるコンテンツの発信や、筆者が行った実験の共有などを行っていきます。 ■今回やること 今回は、実際の予測時におけるコードを作成します。 今回のコードが完成すると、出馬表からデータを取得し、機械学習による予測結果を出力することができます。 ▼実行コード from feature_engineering import PredictonFeatureCreatorpfc =

¥1,980
データサイエンス研究所

【競馬AI開発#8】機械学習モデルを作成して単勝馬券を予測する

この【競馬AI開発】シリーズでは、競馬予想AIを作ることを通して、機械学習・データサイエンスの勉強になるコンテンツの発信や、筆者が行った実験の共有などを行っていきます。 ■今回やること 今回は、LightGBMを使って機械学習モデルを作成し、実際に単勝予測モデルを作っていきます。 今回作成するコードを以下のように実行することで、機械学習モデルが学習され、完成したモデルファイルが自動的に保存されます。 trainer = Trainer()evaluation_df =

¥1,000
データサイエンス研究所

【競馬AI開発#7】機械学習モデルに入れる特徴量を完成させる

この【競馬AI開発】シリーズでは、競馬予想AIを作ることを通して、機械学習・データサイエンスの勉強になるコンテンツの発信や、筆者が行った実験の共有などを行っていきます。 ■どんな機械学習モデルを目指しているか？ 初手として作成するモデルでは、2023年に開催された全てのレースについてnetkeiba.comからデータを取得し、以下の「着順」列を機械学習で予測することを目指しています。 そこに予測材料として、馬の過去成績テーブルも取得して集計して加えます。 このように、

¥1,000
データサイエンス研究所

【競馬AI開発#6】馬の過去成績の集計方法・レース情報テーブルの取得

この【競馬AI開発】シリーズでは、競馬予想AIを作ることを通して、機械学習・データサイエンスの勉強になるコンテンツの発信や、筆者が行った実験の共有などを行っていきます。 ■今回やること 馬の過去成績データをどのように集計して特徴量にすれば良いのか？ netkeiba.com上で非構造化データになっているレース情報データを、どのようにテーブル形式のデータにうまくまとめるか？ について扱っていきます。 1についてですが、「その馬が過去どんな成績を上げてきたか」は重要な予

¥1,000
データサイエンス研究所

【競馬AI開発#2】ChromeDriverによるレースid一覧のスクレイピング

はじめにこの【競馬AI開発】シリーズでは、競馬予想AIを作ることを通して、機械学習・データサイエンスの勉強になるコンテンツの発信や、筆者が行った実験の共有などを行っていきます。 今回の記事は、以下の動画に補足を加えて簡単にまとめたものになります。 今回やること前回に引き続き、まずはnetkeiba.comから2023年のレース結果のテーブルをスクレイピングにより取得して、Pythonで扱えるようにすることを目標にしています。 そのためのステップについての全体感は、前回の

データサイエンス研究所