競輪データ分析07　機械学習DNN編

本記事では、Google Colaboratoryから python を使用して機械学習による競輪予想手法を有料公開しています。

以下を理解いただいた方のみ、ご購入ください。

遵守事項
• 本記事によって生じた損害等の一切の責任を負いかねます。
• 本記事の内容をコピーまたは加工し、公開することを禁じます。
• 記事販売時にプログラムの動作確認済みですが、保守していません。
（動作しない場合、可能な限り対応致します。）

利用条件
・プログラミングの経験がある方
・Google Colaboratory の使用方法がわかる方
・競輪データ分析の記事をご購入済みの方推奨

実行環境
・Google Colaboratory
・Python 3.6.9

コード
pythonによる機械学習は、実行するだけならとても簡単にできます。
下記に例を示します。

import tensorflow as tf

model = tf.keras.Sequential([
    tf.keras.layers.Dense(node_size, kernel_regularizer=tf.keras.regularizers.l2(0.001), activation=tf.nn.relu, input_dim=len(df_train.columns)),
    tf.keras.layers.Dropout(0.2),
    tf.keras.layers.Dense(node_size, kernel_regularizer=tf.keras.regularizers.l2(0.001), activation=tf.nn.relu),
    tf.keras.layers.Dropout(0.2),
    tf.keras.layers.Dense(1, activation=tf.nn.sigmoid)
])

このモデルはDNN（Deep Neural Network）と呼ばれ、主に確率予測に用いられています。競輪の出走表のデータを基に、ある選手が勝つ確率を求めることができます。
input = df_train.columns個（出走表）
output = 1個（ある選手が勝つ確率）

DNNを用いた予測方法について説明します。

コンテンツ
１．使用データ
２．機械学習
３．まとめ