競輪予想で疑問に思ったことを解決するための

お世話になっております。
競輪予想を行っていて、確かに100％の回収率は作れるものの、購入できるレースは、あまりに限定的だという状況まできました。

そこで何かが足りないと考え、再度、機械学習を学び直すことにしました。

学び直しの経過

Python悪戦苦闘｜ムジンさん｜東京の小さなIT会社社長｜note

かなりミスをしながらも、もがきながら突き進んでいく様が痛々しい。。。

出会い

学び直しの途中で、遺伝的アルゴリズム・遺伝的プログラミングに出会いました。

当初、月内にもkaggleのTitanicの生存率予想で、好成績を出せるようにと奮闘していましたが、なんとかここまできました。

私の感覚で普通に予測すると、78％です。

神経質に欠損値と呼ばれる、欠けたデータを埋めていくことで、79.9％まで行くのですが、どうしても80％に行きません。

実際に80％を超すことは簡単なのですが、それはTitanicに関する知識があるから。

機械学習に望む目標

知識がない段階でも、ある程度の好成績が、Pythonを扱うことだけで出せなければ、あらゆるデータに対応できるベースモデルを作ることが出来ないと想定しました。

上記のように、データに関する知識が増えれば、機械学習の精度は上がります。

そうではなくて、データをチラリと見た段階で作るベースモデルの精度が、ベースとして高いことが、未知のデータ（ここでは競輪予想）に活きると考えているのです。

そこで、私はルールを考えました。

Titanicを忘れる

一旦、今までの分析を忘れよう。
そのため9ヶ月ほど、前回の挑戦から間を開けました。

機械学習モデルの作成で気をつけたこと

それでも覚えていることはたくさんあるものの、データを分析して、そこから読み取ったこと、想定したことだけでモデルを作っていきました。

すると、かなり理想に近い特徴量の生成（特徴量とは、Titanicだと、生存と判定するのに必要なデータ群のこと）が出来てきました。

当時はこれもできなかったことですが、正解率が上がってこない。

遺伝的アルゴリズム・遺伝的プログラミング

何か新しいテクニックが必要なのかも知れない。

ここまで10日程度。

そう思って、Titanicの100％の確率を出したものを見てみることにしました。
※ここまでが辛かった。。。

プログラムのミスなどにも気づいて、それを補正しながら取り組んできましたが、最終的に出会ったのがこれ。

遺伝的ホニャララ。

どうしても理解できない部分というのは少ないので、これから数日で扱えるようになりたいと思います。

自分なりだけど努力してきたから、きっとなんとかなる。

努力は報われないことも多いと思うのですが、無駄ではないと思うのですよね。