| 項目 | Machine Learning版v1.3 | Deep Learning版v2.2 | |
|---|---|---|---|
| 0 | AIの種類 | 機械学習（教師あり学習） | Deep learning(教師あり学習、3分類) |
| 1 | AIの手法 | 勾配ブースティング木(LightGBM) | ニューラルネットワーク（現在5層) |
| 2 | 開発環境 | Google Collaboratory | 左に同じ |
| 3 | 使用言語 | Python | 左に同じ |
| 4 | 使用ライブラリ | Pandas, Beautiful Soup等 | 左に同じ |
| 5 | 使用ライブラリ(AI) | scikit-learn(LightGBM), Optina(ハイパーパラメータ最適化) | PyTorch Lightning |
| 6 | 情報元 | https://db.netkeiba.com/ | 左に同じ |
| 7 | 情報内容 | •2018-2024年の中央競馬結果\n•馬のデータより過去成績や血統\n•新馬や障害を除く。3勝以上のみ | まだ2019-2024しかとれていない |
| 8 | 情報量 | 計 約6000レース、のべ約16,000頭分 | NaN |
| 9 | 説明変数（AIに使用する特徴量) | 現在以下の26項目\n( 馬名, 斤量 , 騎手, 調教師, 年齢, 性別, 枠番, Grade(GIなど), 芝・ダート, 競馬場, 距離, 右回りか左か, 天候, 馬場状態, 過去5戦の着順平均, 過去5戦の1位からの着差平均, 過去5戦の上り平均、前走からのローテーション, 血統として父の馬名, 母, 父の父, 父の母, 母の父, 母の母。脚質、連対率) | 1) 以下を追加\n前走着順, 全1着, 同競馬場1着, 同距離1着, 同一騎手1着, 同一馬場状態1着, 全連対率, 同競馬場連対率, 同距離連対率, 同一騎手連対率, 同一馬場状態連対率, 過去5レースの賞金を出走馬で標準化\n2)以下を削除\n父の母、母の父、母の母 |
| 10 | 説明変数として除外しているもの | 以下はAIに情報として与えていません。\n(1)人気、単勝倍率\n客観的なデータ分析のためには不要と判断。\n(2)馬体重と増減 | 左に同じ |
| 11 | 目的変数（教師データ） | 着順 | 着順 |
| 12 | 何をあてるのか？ | 複勝（3位以内に入るか）の確率。1着の確率 | 1着の確率、複勝の確率(1位、3位以内、着外の3分類） |
| 13 | 的中率 | AUCスコアでは0.716。 | AUCスコアで、0.7程度 |
| 14 | Web構築環境 | AWS (Route53, CloudFront, EC2, S3, Cloud9) | 左に同じ |
| 15 | Version変更履歴 | v1.1: (1)過去5戦の平均とする。\n (2)過去レースのGradeが正しくひろえないバグを修正。\n (3)2024年のレースデータを最新まで取り込み、2021年も取り込む。\nV1.2 (1) ダートも取り込み。2020年まで取り込み\n (2) 脚質を計算、連対率を計算、着順は馬数で割り標準化\nV1.2a (1)ダートと芝を分離して予想 | NaN |
| 16 | 単勝的中率(9/16現在) | 0.226 | NaN |
| 17 | 単勝回収率(9/16現在) | 0.887 | NaN |
| 18 | 複勝的中率(9/16現在) | 0.387 | NaN |
| 19 | 複勝回収率(9/16現在) | 0.77 | NaN |
トップページに戻る