Python 脚質を教師なし学習で分類しランク学習で予測する方法
競馬予想で欠かせない脚質の情報をどうすれば分類できるかをKMeans法を使って解説してます。また、脚質を予測する方法としてランク学習を使ったアプローチを取ってます。
Python
Python 
Python 番外編: 血統から産駒の適正距離や馬場を知る
競馬データ24年分の出走データから、競走馬の成長度を血統から調べてみた結果、ダートに大きな可能性を感じました。
Python ロードマップ5: 24年分の競馬データを使って血統分析part1
競馬の血統情報を過去24年分のデータで分析すると、意外な結果が分かりました。
DevOps ロードマップ4: Djangoで作る競馬予想AIモデル分析ソフト part10
Google Chartsを用いて競馬AI モデルのオッズグラフスコアのテーブルを描画します。DjangoとGoogle Chartsの連携は非常に特殊ですが、gviz_apiというライブラリを使うと比較的ラクにグラフの描画が出来るようになります。現在、競馬予想AIのモデル分析用ソフトを開発中であり、本記事ではモデルのパフォーマンスを可視化する機能を開発します。
DevOps ロードマップ4: Djangoで作る競馬予想AIモデル分析ソフト part9
Google Chartsを用いて競馬AI モデルの回収率と的中率、収支結果、人気別ベット回数のグラフを描画します。DjangoとGoogle Chartsの連携は非常に特殊ですが、gviz_apiというライブラリを使うと比較的ラクにグラフの描画が出来るようになります。現在、競馬予想AIのモデル分析用ソフトを開発中であり、本記事ではモデルのパフォーマンスを可視化する機能を開発します。
DevOps ロードマップ4: Djangoで作る競馬予想AIモデル分析ソフト part8
Google Chartsを用いてモデルの人気別ベット回数の円グラフを描画します。DjangoとGoogle Chartsの連携は非常に特殊ですが、gviz_apiというライブラリを使うと比較的ラクにグラフの描画が出来るようになります。現在、競馬予想AIのモデル分析用ソフトを開発中であり、本記事ではモデルのパフォーマンスを可視化する機能を開発します。
DevOps ロードマップ4: Djangoで作る競馬予想AIモデル分析ソフト part7
Google Chartsを用いてモデルの回収率と的中率のテーブルを描画します。DjangoとGoogle Chartsの連携は非常に特殊ですが、gviz_apiというライブラリを使うと比較的ラクにグラフの描画が出来るようになります。現在、競馬予想AIのモデル分析用ソフトを開発中であり、本記事ではモデルのパフォーマンスを可視化する機能を開発します。
DevOps ロードマップ4: Djangoで作る競馬予想AIモデル分析ソフト part6
Google Chartsを用いてモデルの収支をグラフで描画します。DjangoとGoogle Chartsの連携は非常に特殊ですが、gviz_apiというライブラリを使うと比較的ラクにグラフの描画が出来るようになります。現在、競馬予想AIのモデル分析用ソフトを開発中であり、本記事ではモデルのパフォーマンスを可視化する機能を開発します。
Python ロードマップ3 ex.002:前提箇所の処理詳細
競馬予想プログラムソフトの開発をしています。ここでは、競馬予想プログラムで作成するモデルが前提とする条件を実現する処理のサンプルを公開しています。
Python ロードマップ3 ex.001:前提箇所の処理詳細
競馬予想プログラムソフトの開発をしています。ここでは、競馬予想プログラムで作成するモデルが前提とする条件を実現する処理のサンプルを公開しています。
Python ロードマップ2-3：データ確認&簡易分析
2010年から2023年間の競馬データを用いて、簡易的な分析を行いモデル開発の大まかな方針を決めていきます。
オッズと勝率には重大な関係があります。この関係を用いれば、競馬予想にも活用できる他にもモデルの評価などにも使えるとっても大事な関係が隠れていました。
Python ロードマップ2-2：データ確認&簡易分析
2010年から2023年間の競馬データを用いて、簡易的な分析を行いモデル開発の大まかな方針を決めていきます。
走破タイムを使うのではなく、分速に変換して分析することで距離別の特性を見ることができます。また、距離区分に関してはSMILEを用いるとより分かりやすいです。
Python ロードマップ2-1：データ確認&簡易分析
2010年から2023年間の競馬データを用いて、簡易的な分析を行いモデル開発の大まかな方針を決めていきます。
Python ロードマップ１：タイパ！少ないアクセス数で競馬データをスクレイピング
競馬データをpythonでスクレイピングするときに、多重for文を書いている人。それ少し見直した方がいいです。このやり方で1000回以上はアクセス回数を減らせます。