競馬AIの作り方(手順概要)
さて、実践編です。
準備編は、以下の記事をご参照ください。
繰り返しになりますが、以下手順概要です。
・手順①:データを集める
・手順②:学習させる
・手順③:精度検証
今回は、②と③をやっていきます。準備編に引き続き、できるだけ簡単・お手軽(ノンコーディング)に、かつ低コストで作成するという目標でやっていきます。
手順②:学習させる
近年では、「AIの民主化」をうたう各企業がサービスを提供していることも多いです。
MicrosoftのAzureやAmazonのAWSにも、機械学習のサービスがありますね。
今回は無料(現時点、将来的には有料化の予定有)で使えるSONY製の『Prediction One』を使っていきたいと思います。
※2020/09/28 追記
2020年8月3日より、Prediction Oneは有償化しました。
しかし、本記事の目標は、あくまでデータ以外は無料で競馬AIを作ることです。
そうなりますと、代替ツールとしてはMicrrosoft Azure Machine Learning辺りが有力ですかね。
Micrrosoft Azure Machine Learningの使い方は、私の別ブログでの記事で恐縮ですが…以下記事をご参照いただきたく。
![](https://rascal-horse-racing-ai.ponkotsu-se.com/wp-content/uploads/cocoon-resources/blog-card-cache/823bf24a05e06fd239b97e48950aa4e9.png)
Prediction Oneのソフトウェア概要や導入方法、使い方については、私の別ブログでの記事で恐縮ですが…以下記事をご参照いただきたく。
![](https://rascal-horse-racing-ai.ponkotsu-se.com/wp-content/uploads/cocoon-resources/blog-card-cache/a1f92feea63030ffdd0c9e795185f9a3.png)
![この画像には alt 属性が指定されておらず、ファイル名は 82cd89bf6e3e7beeac7a6a7e3c296e8a-1-1024x555.png です](https://ponkotsu-se.com/wp-content/uploads/2019/09/82cd89bf6e3e7beeac7a6a7e3c296e8a-1-1024x555.png)
記事内では来店数の予測をしていますが、ここ(ターゲット)が競馬AIにおいて“求めたい何か”に変わるだけです。
着順の数値予測なのか、ある条件での”0″ or “1”の分類問題なのか、あるいは走破タイムの数値予測なのか…この辺りは完全にアイデア勝負ですね。
手順③:精度検証
学習が終わったら、精度検証をします。
数値予測なら決定係数が高い方が、分類問題なら分類精度(AUC)が高い方が当然優秀です。
尚、『Prediction One』では、以下のように予測精度レベルを☆で分かりやすく表してくれますが、これを見るだけは完璧とは言えません。
![](https://rascal-horse-racing-ai.ponkotsu-se.com/wp-content/uploads/2020/03/image-15.png)
![](https://rascal-horse-racing-ai.ponkotsu-se.com/wp-content/uploads/2020/03/image-17.png)
どの項目がその結果に寄与しているかを分析し、項目の増減や加工により改善していくことが大切です。『Prediction One』では、その辺りも視覚的に確認できるようになっています。(手順②に続き、来店数の例ですがご了承ください)
![](https://rascal-horse-racing-ai.ponkotsu-se.com/wp-content/uploads/2020/03/image-16-1024x398.png)
また、その他の評価値として利用できるものは以下の通りです。
- 数値予測 … 誤差中央値、誤差率中央値、誤差平均、RMSE。
- 分類問題 … Accuracy、Precision、Recall、F値。
それぞれの用語の意味については、ググっていただければ出てくるかと思います。
F値の説明については、よろしければ以下記事をご参照ください。
![](https://rascal-horse-racing-ai.ponkotsu-se.com/wp-content/uploads/cocoon-resources/blog-card-cache/8eb2feb64c5060352ef8acc6fbac8d9a.png)
尚、予測結果はCSVで出力されますので、Excelがあるとその後の作業が捗ると思います。
条件付き書式等を設定した雛形を作っておくと、毎週の作業が削減できるかもしれませんね。
さて、今回は競馬AIの作り方(実践編)として、学習と精度検証を行いました。
無料のツールを用いて、簡単・お手軽にノンコーディングで学習と精度検証を実現できました。
仮説の検証などをするときにもサクッとモデル作成できて便利だと思います。
もし本格的にやるとなった場合には、エンジン部分をコーディングしたり、各種パラメータの調整をしたり…が必要になるかと思いますが、ひとまずのお試し用としては十分かと思います。
![](https://rascal-horse-racing-ai.ponkotsu-se.com/wp-content/uploads/2020/03/image-18.png)
また、データさえ入手できれば、競輪やオートレースの予想にも応用できるかと思います。
ぜひ、お好みの用途でお試しください。
![Rascal](http://rascal-horse-racing-ai.ponkotsu-se.com/wp-content/uploads/2020/03/IMG_5221-1-e1583759860693.png)
世界一有名なアライグマ…ではなく、データサイエンス・AI(人工知能)をかじった競馬好きシステムエンジニアがまったり開発している競馬AIです。各馬が複勝圏内に入るかどうかをディープラーニングによりスコアリングしています。
重賞以外のレースの予想(主に上位5頭のスコア)は基本Twitterにつぶやいています。
重賞レースの予想(全馬スコアを含む)は当ブログに載せることがあります。
コメント
ここに辿り着きました!
参加させていただいて、実践したいともいます。
AI学習の馬券購入がかなり凄すぎて
技術屋の端くれとして、やってみたくなりました!!
コメントありがとうございます!
最近ではAIも民主化され、お手軽に試すことができるツールも増えてきました。
ぜひぜひ色々とお試しくださいm(_ _)m