データサイエンス講座 第3回機械学習その2 回機械 …...データサイエンス講座 第3回機械学習その2回機械学習その2 ロジスティクス回帰
Deep Learningを用いた 競馬の勝ち馬予測プログラムの作成 · 2 - 4...
Transcript of Deep Learningを用いた 競馬の勝ち馬予測プログラムの作成 · 2 - 4...
![Page 1: Deep Learningを用いた 競馬の勝ち馬予測プログラムの作成 · 2 - 4 DNNモデルの構築 3 : 結果考察 . 0 機械学習・ディープラーニングとは 機械学習](https://reader031.fdocuments.net/reader031/viewer/2022013008/5e114dd63b9442618902e09b/html5/thumbnails/1.jpg)
Deep Learningを用いた
競馬の勝ち馬予測プログラムの作成
日本大学文理学部情報科学科 谷研究室 宮脇 祐太
![Page 2: Deep Learningを用いた 競馬の勝ち馬予測プログラムの作成 · 2 - 4 DNNモデルの構築 3 : 結果考察 . 0 機械学習・ディープラーニングとは 機械学習](https://reader031.fdocuments.net/reader031/viewer/2022013008/5e114dd63b9442618902e09b/html5/thumbnails/2.jpg)
![Page 3: Deep Learningを用いた 競馬の勝ち馬予測プログラムの作成 · 2 - 4 DNNモデルの構築 3 : 結果考察 . 0 機械学習・ディープラーニングとは 機械学習](https://reader031.fdocuments.net/reader031/viewer/2022013008/5e114dd63b9442618902e09b/html5/thumbnails/3.jpg)
目次
0 : 機械学習・ディープラーニングについて
1 : はじめに
1 - 1 : 競馬とは
1 - 2 : 競馬における機械学習の活用事例
1 - 3 : 競馬予想アルゴリズムを競う大会
1 - 4 : 演習内容・目的
2 : 演習方法
2 - 1 競馬予想プログラムの作成する手順
2 - 2 webページから情報を取得
2 - 3 データの前処理・整形
2 - 4 DNNモデルの構築
3 : 結果考察
![Page 4: Deep Learningを用いた 競馬の勝ち馬予測プログラムの作成 · 2 - 4 DNNモデルの構築 3 : 結果考察 . 0 機械学習・ディープラーニングとは 機械学習](https://reader031.fdocuments.net/reader031/viewer/2022013008/5e114dd63b9442618902e09b/html5/thumbnails/4.jpg)
0 機械学習・ディープラーニングとは
機械学習 「明示的にプログラムしなくても学習する能力を コンピュータに与える研究分野」
大量のデータ 未知のデータ に対する答えを予測
(アーサー・サミュエル 1959年)
1/48
![Page 5: Deep Learningを用いた 競馬の勝ち馬予測プログラムの作成 · 2 - 4 DNNモデルの構築 3 : 結果考察 . 0 機械学習・ディープラーニングとは 機械学習](https://reader031.fdocuments.net/reader031/viewer/2022013008/5e114dd63b9442618902e09b/html5/thumbnails/5.jpg)
ディープラーニング(Deep Learning) 「多くの層を持ったニューラルネットワークを用いた 機械学習の総称」 (引用)「深層学習」人工知能学会監修,第4版2016年
0 機械学習・ディープラーニングとは
画像認識
自動運転
囲碁・将棋
株取引
2/48
![Page 6: Deep Learningを用いた 競馬の勝ち馬予測プログラムの作成 · 2 - 4 DNNモデルの構築 3 : 結果考察 . 0 機械学習・ディープラーニングとは 機械学習](https://reader031.fdocuments.net/reader031/viewer/2022013008/5e114dd63b9442618902e09b/html5/thumbnails/6.jpg)
ニューラルネットワーク 「脳神経系をモデルにした情報処理システムのこと」
(引用) 村上研究室 ニューラルネットワーク - 画像処理・理解研究室 - 愛媛大学
http://ipr20.cs.ehime-u.ac.jp/column/neural/index.html (参照日時:2017/12/12)
0 機械学習・ディープラーニングとは
特に,層の深いニューラルネットワークモデルを DNN(Deep Neural Network・ディープニューラルネットワーク)と呼ぶ
3/48
![Page 7: Deep Learningを用いた 競馬の勝ち馬予測プログラムの作成 · 2 - 4 DNNモデルの構築 3 : 結果考察 . 0 機械学習・ディープラーニングとは 機械学習](https://reader031.fdocuments.net/reader031/viewer/2022013008/5e114dd63b9442618902e09b/html5/thumbnails/7.jpg)
入力層
中間層
出力層
ラベルと出力値の 誤差を小さくなる様 重みを修正
4/48
0 機械学習・ディープラーニングとは
ディープラーニングの動作
ラベル付きデータを入力とし 出力値を計算
ラベルと出力値の誤差を計算
重みを修正
![Page 8: Deep Learningを用いた 競馬の勝ち馬予測プログラムの作成 · 2 - 4 DNNモデルの構築 3 : 結果考察 . 0 機械学習・ディープラーニングとは 機械学習](https://reader031.fdocuments.net/reader031/viewer/2022013008/5e114dd63b9442618902e09b/html5/thumbnails/8.jpg)
: 前層の 番目のノードの値
: と 間の重み
ym =X
xn · wnm
:ある層 の 番目のノードの値ym y m
ymxnwnm
前の層
ある層
ym
x1
xn
x2
w1m
w2m
wnm
··
1. ラベル付きデータを入力 とし出力値を計算
nxn
5/48
0 機械学習・ディープラーニングとは
ディープラーニングの動作
![Page 9: Deep Learningを用いた 競馬の勝ち馬予測プログラムの作成 · 2 - 4 DNNモデルの構築 3 : 結果考察 . 0 機械学習・ディープラーニングとは 機械学習](https://reader031.fdocuments.net/reader031/viewer/2022013008/5e114dd63b9442618902e09b/html5/thumbnails/9.jpg)
ym
前の層
ある層
ym
x1
xn
x2
w1m
w2m
wnm
··
を活性化関数(非線形関数)で変換
ym = f(ym)
f(x) : 活性化関数
6/48
0 機械学習・ディープラーニングとは
ディープラーニングの動作
1. ラベル付きデータを入力 とし出力値を計算
![Page 10: Deep Learningを用いた 競馬の勝ち馬予測プログラムの作成 · 2 - 4 DNNモデルの構築 3 : 結果考察 . 0 機械学習・ディープラーニングとは 機械学習](https://reader031.fdocuments.net/reader031/viewer/2022013008/5e114dd63b9442618902e09b/html5/thumbnails/10.jpg)
入力層
中間層
出力層
誤差関数 ・二乗誤差
2. ラベルと出力値の誤差を計算
E = (yp � yt)2
ypyt
: 出力値 : 答え
7/48
0 機械学習・ディープラーニングとは
ディープラーニングの動作
![Page 11: Deep Learningを用いた 競馬の勝ち馬予測プログラムの作成 · 2 - 4 DNNモデルの構築 3 : 結果考察 . 0 機械学習・ディープラーニングとは 機械学習](https://reader031.fdocuments.net/reader031/viewer/2022013008/5e114dd63b9442618902e09b/html5/thumbnails/11.jpg)
入力層
中間層
出力層
w = w � ⌘@E
@w
w:重み,E:誤差関数 η:学習率(1回でどの程度更新するか)
3. 重みを修正
確率的勾配降下法
8/48
0 機械学習・ディープラーニングとは
ディープラーニングの動作
![Page 12: Deep Learningを用いた 競馬の勝ち馬予測プログラムの作成 · 2 - 4 DNNモデルの構築 3 : 結果考察 . 0 機械学習・ディープラーニングとは 機械学習](https://reader031.fdocuments.net/reader031/viewer/2022013008/5e114dd63b9442618902e09b/html5/thumbnails/12.jpg)
入力層
中間層
出力層
得られた重みを用いて 未知のデータに対する答えを予測
9/48
0 機械学習・ディープラーニングとは
ディープラーニングの動作
![Page 13: Deep Learningを用いた 競馬の勝ち馬予測プログラムの作成 · 2 - 4 DNNモデルの構築 3 : 結果考察 . 0 機械学習・ディープラーニングとは 機械学習](https://reader031.fdocuments.net/reader031/viewer/2022013008/5e114dd63b9442618902e09b/html5/thumbnails/13.jpg)
競馬 競馬は競技者・関係者が行う「馬を競わせる」 興行に対して、観戦者が勝馬を予想して金を賭ける「賭博」 (Wikipedia)
10/48
1 はじめに1-1 競馬とは
勝馬投票券(以下馬券) 競馬において「金を賭ける」とは,馬券を購入することを言う. 「単勝式」「複勝式」など複数種類の買い方があり, 予測が的中して入れば配当を得られる.
![Page 14: Deep Learningを用いた 競馬の勝ち馬予測プログラムの作成 · 2 - 4 DNNモデルの構築 3 : 結果考察 . 0 機械学習・ディープラーニングとは 機械学習](https://reader031.fdocuments.net/reader031/viewer/2022013008/5e114dd63b9442618902e09b/html5/thumbnails/14.jpg)
競馬を予測するとは
11/48
1 はじめに1-1 競馬とは
的中を目的として予測 配当を目的として予測
「配当が最も得られるであろう」 馬を予測
「最も強い」「最も勝つであろう」 馬を予測
![Page 15: Deep Learningを用いた 競馬の勝ち馬予測プログラムの作成 · 2 - 4 DNNモデルの構築 3 : 結果考察 . 0 機械学習・ディープラーニングとは 機械学習](https://reader031.fdocuments.net/reader031/viewer/2022013008/5e114dd63b9442618902e09b/html5/thumbnails/15.jpg)
1 はじめに1-1 競馬とは
日本中央競馬会(JRA)が開催中央競馬
都道府県や地方公共団体等が開催地方競馬
本演習では中央競馬を扱う
12/48
![Page 16: Deep Learningを用いた 競馬の勝ち馬予測プログラムの作成 · 2 - 4 DNNモデルの構築 3 : 結果考察 . 0 機械学習・ディープラーニングとは 機械学習](https://reader031.fdocuments.net/reader031/viewer/2022013008/5e114dd63b9442618902e09b/html5/thumbnails/16.jpg)
投票法 単勝 複勝 枠連 馬連 ワイド 馬単 三連複 三連単
払戻率 0.80 0.80 0.775 0.775 0.775 0.75 0.725 0.70
配当 = 馬券の売り上げ × 払戻率
的中者の人数
JRAの払戻率
回収率(購入金額に対する配当の比率)が払戻率を超える
予測能力を持つ
馬券の売り上げに対して 配当に当てられる割合
1 はじめに1-1 競馬とは
13/48
払戻率
![Page 17: Deep Learningを用いた 競馬の勝ち馬予測プログラムの作成 · 2 - 4 DNNモデルの構築 3 : 結果考察 . 0 機械学習・ディープラーニングとは 機械学習](https://reader031.fdocuments.net/reader031/viewer/2022013008/5e114dd63b9442618902e09b/html5/thumbnails/17.jpg)
AlphaImpact (https://alphaimpact.jp/)
・回収型人工知能 (http://yoso.netkeiba.com/nar/?pid=yosoka_profile&id=100) 回収率:81% 的中率18%
・的中型人工知能 (http://yoso.netkeiba.com/nar/?pid=yosoka_profile&id=101)
回収率:84% 的中率:85%
回収率,的中率は1月24日現在過去1ヶ月のもの
1 はじめに1-2 機械学習を用いた競馬予測の事例
14/48
![Page 18: Deep Learningを用いた 競馬の勝ち馬予測プログラムの作成 · 2 - 4 DNNモデルの構築 3 : 結果考察 . 0 機械学習・ディープラーニングとは 機械学習](https://reader031.fdocuments.net/reader031/viewer/2022013008/5e114dd63b9442618902e09b/html5/thumbnails/18.jpg)
1 はじめに1-3 競馬予測アルゴリズムを競う大会
電脳賞(春) (http://ch.nicovideo.jp/dennoushou)
指定のレースを競馬予測アルゴリズムを使い予測し回収率を競う
ドワンゴ主催
前回大会優勝の「ニコちゃんAI競馬」は回収率181.9%を記録
15/48
![Page 19: Deep Learningを用いた 競馬の勝ち馬予測プログラムの作成 · 2 - 4 DNNモデルの構築 3 : 結果考察 . 0 機械学習・ディープラーニングとは 機械学習](https://reader031.fdocuments.net/reader031/viewer/2022013008/5e114dd63b9442618902e09b/html5/thumbnails/19.jpg)
配当の期待値を出力
いくら配当が得られるか予測
ディープラーニングを用いて競馬予測を行う2種類のモデルを作成
3着内と3着外に分類
3着に入るかどうかという予測
3着内予測モデル 期待値予測モデル
1 はじめに1-4 演習目的・内容
着順が3以上 : 0 着順が3以下 : 1
着順が3以上 : 0 着順が3以下 : 複勝の配当/1000
Webページから 情報を取得
ラベル付け
16/48
![Page 20: Deep Learningを用いた 競馬の勝ち馬予測プログラムの作成 · 2 - 4 DNNモデルの構築 3 : 結果考察 . 0 機械学習・ディープラーニングとは 機械学習](https://reader031.fdocuments.net/reader031/viewer/2022013008/5e114dd63b9442618902e09b/html5/thumbnails/20.jpg)
ディープラーニングを用いて競馬予測を行う2種類のモデルを作成
1 はじめに1-4 演習目的・内容
芝モデル ダートモデル 芝モデル ダートモデル芝コース
3着内と3着外に分類
3着に入るかどうかという予測
3着内予測モデル 期待値予測モデル
ダートコース
取得した レース情報
17/48
配当の期待値を出力
いくら配当が得られるか予測
![Page 21: Deep Learningを用いた 競馬の勝ち馬予測プログラムの作成 · 2 - 4 DNNモデルの構築 3 : 結果考察 . 0 機械学習・ディープラーニングとは 機械学習](https://reader031.fdocuments.net/reader031/viewer/2022013008/5e114dd63b9442618902e09b/html5/thumbnails/21.jpg)
ライブラリ
Keras
Panda
Numpy
Beautiful Soup
Selenium
sckit-learn
fastText
2 演習方法開発環境 言語 Python3.5
18/48
![Page 22: Deep Learningを用いた 競馬の勝ち馬予測プログラムの作成 · 2 - 4 DNNモデルの構築 3 : 結果考察 . 0 機械学習・ディープラーニングとは 機械学習](https://reader031.fdocuments.net/reader031/viewer/2022013008/5e114dd63b9442618902e09b/html5/thumbnails/22.jpg)
2 演習方法実行環境
MacBook Pro (Early 2013)
Mac mini (Mid 2011)
CPU Intel Core i5 2.6GHz
Intel Core i7 2.7GHz
メモリ 8GB 8GB
19/48
![Page 23: Deep Learningを用いた 競馬の勝ち馬予測プログラムの作成 · 2 - 4 DNNモデルの構築 3 : 結果考察 . 0 機械学習・ディープラーニングとは 機械学習](https://reader031.fdocuments.net/reader031/viewer/2022013008/5e114dd63b9442618902e09b/html5/thumbnails/23.jpg)
Webページから情報を取得 データの前処理・整形 DNNモデルの構築
2 演習方法競馬予測プログラムの作成する手順
20/48
![Page 24: Deep Learningを用いた 競馬の勝ち馬予測プログラムの作成 · 2 - 4 DNNモデルの構築 3 : 結果考察 . 0 機械学習・ディープラーニングとは 機械学習](https://reader031.fdocuments.net/reader031/viewer/2022013008/5e114dd63b9442618902e09b/html5/thumbnails/24.jpg)
Webページから情報を取得
2 演習方法競馬予測プログラムの作成する手順
21/48
![Page 25: Deep Learningを用いた 競馬の勝ち馬予測プログラムの作成 · 2 - 4 DNNモデルの構築 3 : 結果考察 . 0 機械学習・ディープラーニングとは 機械学習](https://reader031.fdocuments.net/reader031/viewer/2022013008/5e114dd63b9442618902e09b/html5/thumbnails/25.jpg)
・beautiful soup ・selenium を使用
情報をCSV形式で出力
Webスクレイピングを行い 情報を取得するプログラムを作成
2 演習方法2-1 WEBページから情報を取得
競馬情報サイト 「netkeiba」 (http://www.netkeiba.com/)
22/48
![Page 26: Deep Learningを用いた 競馬の勝ち馬予測プログラムの作成 · 2 - 4 DNNモデルの構築 3 : 結果考察 . 0 機械学習・ディープラーニングとは 機械学習](https://reader031.fdocuments.net/reader031/viewer/2022013008/5e114dd63b9442618902e09b/html5/thumbnails/26.jpg)
芝ダート,右左周り,距離, 競馬場,何日目,何レース,
馬場状態,1着賞金
レースデータ枠番,着順,オッズ, 牝馬牡馬,馬齢,斤量, 騎手,体重,体重前走比,
所属,脚質,休み明け,調教コース, 調教脚色,調教評価,
1~5走前(着順,着差,上がりタイム,芝ダート,距離,グレード)
馬のデータ
2 演習方法2-1 WEBページから情報を取得 (1)取得するデータの内容
血統データ父,母,父父,父母,母父, . . .
23/48
![Page 27: Deep Learningを用いた 競馬の勝ち馬予測プログラムの作成 · 2 - 4 DNNモデルの構築 3 : 結果考察 . 0 機械学習・ディープラーニングとは 機械学習](https://reader031.fdocuments.net/reader031/viewer/2022013008/5e114dd63b9442618902e09b/html5/thumbnails/27.jpg)
ダ,右,1000,1,1,2,良,500,4.0,1,牡,3,56.0,吉田隼,0,480,-2.0,東,3,5.0,1.0,35.6,稍,ダ,1000,未勝利,7.0,2.3,36.8,不,ダ,1000,未勝利,10.0,1.7,36.2,良,ダ,1000,未勝利,14.0,2.3,37.9,良,ダ,1150,未勝利,10.0,1.8,38.2,良,ダ,1200,未勝利,0,札ダ,一杯
データ数 253785件 2010年1月から2017年9月
2 演習方法2-1 WEBページから情報を取得
レースデータ+馬のデータ
キタサンブラック ブラックタイド シュガーハート サンデーサイレンス ウインドインハーヘア サクラバクシンオー オトメゴコロ Halo WishingWell Also Burghclere サクラユタカオー サクラハゴロモ ジャッジアンジュルーチ ライズリー
血統データ
24/48
![Page 28: Deep Learningを用いた 競馬の勝ち馬予測プログラムの作成 · 2 - 4 DNNモデルの構築 3 : 結果考察 . 0 機械学習・ディープラーニングとは 機械学習](https://reader031.fdocuments.net/reader031/viewer/2022013008/5e114dd63b9442618902e09b/html5/thumbnails/28.jpg)
Webページから情報を取得 データの前処理・整形
2 演習方法競馬予測プログラムの作成する手順
芝,右,1800,4,1,2,良, ,500,5,1,牡,3,56,武豊,0,510,-5,東,2, . . .
25/48
![Page 29: Deep Learningを用いた 競馬の勝ち馬予測プログラムの作成 · 2 - 4 DNNモデルの構築 3 : 結果考察 . 0 機械学習・ディープラーニングとは 機械学習](https://reader031.fdocuments.net/reader031/viewer/2022013008/5e114dd63b9442618902e09b/html5/thumbnails/29.jpg)
2 演習方法2-2 データの前処理・整形
文字列データの数値化
数値データ標準化
検証・学習データの分離
3着外データ数の調整
26/48
![Page 30: Deep Learningを用いた 競馬の勝ち馬予測プログラムの作成 · 2 - 4 DNNモデルの構築 3 : 結果考察 . 0 機械学習・ディープラーニングとは 機械学習](https://reader031.fdocuments.net/reader031/viewer/2022013008/5e114dd63b9442618902e09b/html5/thumbnails/30.jpg)
キタサンブラック
ブラックタイドサンデーサイレンス Halo
Wishing Well
ウインドインハーヘア AlsoBurghclere
シュガーハートサクラバクシンオー サクラユタカオー
サクラハゴロモ
オトメゴコロ ジャッジアンジュルーチテイズリー
2 演習方法2-2 データの前処理・整形 (1)文字列データの数値化
血統図を100次元の数値ベクトルに変換する(参考)fastTextを用いた競馬血統のベクトル化
https://qiita.com/KTaskn/items/e76551191214593c278e (参照日時:2018/1/28)27/48
![Page 31: Deep Learningを用いた 競馬の勝ち馬予測プログラムの作成 · 2 - 4 DNNモデルの構築 3 : 結果考察 . 0 機械学習・ディープラーニングとは 機械学習](https://reader031.fdocuments.net/reader031/viewer/2022013008/5e114dd63b9442618902e09b/html5/thumbnails/31.jpg)
2 演習方法
ブラックタイド シュガーハート+
キタサンブラック 自然言語処理における, 単語の分散表現を獲得する手法を応用
血統のつながりを保持した 数値ベクトルで表現
2-2 データの前処理・整形 (1)文字列データの数値化
28/48
![Page 32: Deep Learningを用いた 競馬の勝ち馬予測プログラムの作成 · 2 - 4 DNNモデルの構築 3 : 結果考察 . 0 機械学習・ディープラーニングとは 機械学習](https://reader031.fdocuments.net/reader031/viewer/2022013008/5e114dd63b9442618902e09b/html5/thumbnails/32.jpg)
2 演習方法
血統図を1行のCSV形式(空白区切)で取得 [子 父 母 父父 父母 母父 母母 父父父 . . .]
子を中心に左右に広がる様並べ替え [ . . . 父母 父父 父 子 母 母父 母母 . . .]
fastText(自然言語処理ツール)を用いて100次元のベクトル化
2-2 データの前処理・整形 (1)文字列データの数値化
29/48
![Page 33: Deep Learningを用いた 競馬の勝ち馬予測プログラムの作成 · 2 - 4 DNNモデルの構築 3 : 結果考察 . 0 機械学習・ディープラーニングとは 機械学習](https://reader031.fdocuments.net/reader031/viewer/2022013008/5e114dd63b9442618902e09b/html5/thumbnails/33.jpg)
文字列データ, 数値の大きさに意味のないデータを one-hot値に変換
騎手
武豊
横山典弘
福永祐一
騎手_武豊 騎手_横山典弘 騎手_福永祐一
1 0 0
0 1 0
0 0 1
sckit-learnの「get_dummies」を使用
2 演習方法2-1 データの前処理・整形 (1)文字列データの数値化
30/48
![Page 34: Deep Learningを用いた 競馬の勝ち馬予測プログラムの作成 · 2 - 4 DNNモデルの構築 3 : 結果考察 . 0 機械学習・ディープラーニングとは 機械学習](https://reader031.fdocuments.net/reader031/viewer/2022013008/5e114dd63b9442618902e09b/html5/thumbnails/34.jpg)
標準化 それぞれの特徴量が平均0分散1に分布するように変換
σ:平均 μ:標準偏差
x =x� �
µ
sckit-learnの 「scale」を使用
2 演習方法2-2 データの前処理・整形 (2)数値データの標準化
数値の大きいデータがモデルに
与える影響が大きい
各データ規格を揃える必要がある
例)距離1000~3600m ,馬齢 2~10歳前後31/48
![Page 35: Deep Learningを用いた 競馬の勝ち馬予測プログラムの作成 · 2 - 4 DNNモデルの構築 3 : 結果考察 . 0 機械学習・ディープラーニングとは 機械学習](https://reader031.fdocuments.net/reader031/viewer/2022013008/5e114dd63b9442618902e09b/html5/thumbnails/35.jpg)
3着内データ
3着外データデータ数の差が大きいと うまく学習できない
3着内データ 3着外データ
2-3 データの前処理・整形 (3)3着外データ数の調整
2 演習方法
32/48
![Page 36: Deep Learningを用いた 競馬の勝ち馬予測プログラムの作成 · 2 - 4 DNNモデルの構築 3 : 結果考察 . 0 機械学習・ディープラーニングとは 機械学習](https://reader031.fdocuments.net/reader031/viewer/2022013008/5e114dd63b9442618902e09b/html5/thumbnails/36.jpg)
元データ 253785件
芝 122255件
ダート 133552件
芝とダートを分離 検証データ 12023件 3着外データ数
の調整学習データ 110232件
検証データ 13156件
学習データ 120396件
学習データ 72978件
検証・学習データの分離 検証:学習 = 1 : 9
学習データ 75389件
2 演習方法2-3 データの前処理・整形
33/48
![Page 37: Deep Learningを用いた 競馬の勝ち馬予測プログラムの作成 · 2 - 4 DNNモデルの構築 3 : 結果考察 . 0 機械学習・ディープラーニングとは 機械学習](https://reader031.fdocuments.net/reader031/viewer/2022013008/5e114dd63b9442618902e09b/html5/thumbnails/37.jpg)
Webページから情報を取得 データの前処理・整形 DNNモデルの構築
2 演習方法競馬予測プログラムの作成する手順
芝,右,1800,4,1,2,良, ,500,5,1,牡,3,56,武豊,0,510,-5,東,2, . . .
0.0, 0.1700, 0.0, 0.209999,0.0, 0.0, 0.0, 0.1400, 0.0, 0.0, 0.0,0,0, . . .
34/48
![Page 38: Deep Learningを用いた 競馬の勝ち馬予測プログラムの作成 · 2 - 4 DNNモデルの構築 3 : 結果考察 . 0 機械学習・ディープラーニングとは 機械学習](https://reader031.fdocuments.net/reader031/viewer/2022013008/5e114dd63b9442618902e09b/html5/thumbnails/38.jpg)
入力
中間
出力
中間 中間 中間 中間
35/48
2 演習方法2-4 DNNモデルの構築
![Page 39: Deep Learningを用いた 競馬の勝ち馬予測プログラムの作成 · 2 - 4 DNNモデルの構築 3 : 結果考察 . 0 機械学習・ディープラーニングとは 機械学習](https://reader031.fdocuments.net/reader031/viewer/2022013008/5e114dd63b9442618902e09b/html5/thumbnails/39.jpg)
入力 入力層
入力層の各値にそれぞれの重みの積を を次の層へ伝える
ym =X
xn · wnm
芝モデル 715次元
ダートモデル 659次元
2 演習方法2-4 DNNモデルの構築 (1) 入力層
36/48
![Page 40: Deep Learningを用いた 競馬の勝ち馬予測プログラムの作成 · 2 - 4 DNNモデルの構築 3 : 結果考察 . 0 機械学習・ディープラーニングとは 機械学習](https://reader031.fdocuments.net/reader031/viewer/2022013008/5e114dd63b9442618902e09b/html5/thumbnails/40.jpg)
中間層
中間 中間 中間 中間 中間
800次元 ×5層
各中間層の値が 平均0分散1に分布するよう変換
2 演習方法2-4 DNNモデルの構築 (2) 中間層
BatchNormaliation
37/48
![Page 41: Deep Learningを用いた 競馬の勝ち馬予測プログラムの作成 · 2 - 4 DNNモデルの構築 3 : 結果考察 . 0 機械学習・ディープラーニングとは 機械学習](https://reader031.fdocuments.net/reader031/viewer/2022013008/5e114dd63b9442618902e09b/html5/thumbnails/41.jpg)
中間 中間 中間 中間 中間
x = x(x >= 0)x = ex � 1(x < 0)
活性化関数「elu」を用いて変換
2 演習方法2-4 DNNモデルの構築 (2) 中間層
38/48
![Page 42: Deep Learningを用いた 競馬の勝ち馬予測プログラムの作成 · 2 - 4 DNNモデルの構築 3 : 結果考察 . 0 機械学習・ディープラーニングとは 機械学習](https://reader031.fdocuments.net/reader031/viewer/2022013008/5e114dd63b9442618902e09b/html5/thumbnails/42.jpg)
2次元 [3着外,3着内]
出力3着内予測モデル
出力層
y =eyi
Pey
2 演習方法2-4 DNNモデルの構築 (3)出力層
出力の値を「softmax」関数で変換
39/48
![Page 43: Deep Learningを用いた 競馬の勝ち馬予測プログラムの作成 · 2 - 4 DNNモデルの構築 3 : 結果考察 . 0 機械学習・ディープラーニングとは 機械学習](https://reader031.fdocuments.net/reader031/viewer/2022013008/5e114dd63b9442618902e09b/html5/thumbnails/43.jpg)
出力3着内予測モデル
出力層
2 演習方法2-4 DNNモデルの構築 (3)出力層
[3着外,3着内] 例)[0.01,0.99]
この場合,3着内であると予測
40/48
![Page 44: Deep Learningを用いた 競馬の勝ち馬予測プログラムの作成 · 2 - 4 DNNモデルの構築 3 : 結果考察 . 0 機械学習・ディープラーニングとは 機械学習](https://reader031.fdocuments.net/reader031/viewer/2022013008/5e114dd63b9442618902e09b/html5/thumbnails/44.jpg)
1次元 [配当の期待値/1000]
出力配当期待値予測モデル
出力層
2 演習方法2-4 DNNモデルの構築 (3)出力層
1000倍することで期待値を得る
41/48
![Page 45: Deep Learningを用いた 競馬の勝ち馬予測プログラムの作成 · 2 - 4 DNNモデルの構築 3 : 結果考察 . 0 機械学習・ディープラーニングとは 機械学習](https://reader031.fdocuments.net/reader031/viewer/2022013008/5e114dd63b9442618902e09b/html5/thumbnails/45.jpg)
2010年1月から2017年9月までのデータを用いて学習
実験方法
2017年10月から2017年1月までのレースを予測
回収率的中率
予測に基づいて「複勝式(3着以内であれば的中)」を 購入するとする
3 結果考察
42/48
複勝の払戻率 80%
![Page 46: Deep Learningを用いた 競馬の勝ち馬予測プログラムの作成 · 2 - 4 DNNモデルの構築 3 : 結果考察 . 0 機械学習・ディープラーニングとは 機械学習](https://reader031.fdocuments.net/reader031/viewer/2022013008/5e114dd63b9442618902e09b/html5/thumbnails/46.jpg)
3 結果考察3着以内予測モデル
出力値が最も大きい馬を 全レース(865レース)購入
初期資金10万円 1レース1000円ずつ購入
回収率
的中率
85%
49%43/48
![Page 47: Deep Learningを用いた 競馬の勝ち馬予測プログラムの作成 · 2 - 4 DNNモデルの構築 3 : 結果考察 . 0 機械学習・ディープラーニングとは 機械学習](https://reader031.fdocuments.net/reader031/viewer/2022013008/5e114dd63b9442618902e09b/html5/thumbnails/47.jpg)
3 結果考察3着以内予測モデル出力最大と2番目の馬の 値の差が0.1以上の レースのみ(340レース)購入
初期資金10万円 1レース1000円ずつ購入
回収率
的中率
80%
55%44/48
![Page 48: Deep Learningを用いた 競馬の勝ち馬予測プログラムの作成 · 2 - 4 DNNモデルの構築 3 : 結果考察 . 0 機械学習・ディープラーニングとは 機械学習](https://reader031.fdocuments.net/reader031/viewer/2022013008/5e114dd63b9442618902e09b/html5/thumbnails/48.jpg)
3 結果考察配当期待値予測モデル出力値が最も大きい馬を 全レース(843レース)購入
初期資金10万円 1レース1000円ずつ購入
回収率
的中率
116%
26%45/48
![Page 49: Deep Learningを用いた 競馬の勝ち馬予測プログラムの作成 · 2 - 4 DNNモデルの構築 3 : 結果考察 . 0 機械学習・ディープラーニングとは 機械学習](https://reader031.fdocuments.net/reader031/viewer/2022013008/5e114dd63b9442618902e09b/html5/thumbnails/49.jpg)
3 結果考察配当期待値予測モデル
初期資金10万円 1レース1000円ずつ購入
回収率
的中率
140%
23%
出力最大と2番目の馬の 値の差が10以上の レースのみ(329レース)購入
46/48
![Page 50: Deep Learningを用いた 競馬の勝ち馬予測プログラムの作成 · 2 - 4 DNNモデルの構築 3 : 結果考察 . 0 機械学習・ディープラーニングとは 機械学習](https://reader031.fdocuments.net/reader031/viewer/2022013008/5e114dd63b9442618902e09b/html5/thumbnails/50.jpg)
3 結果考察
今後の課題
より多くの特徴量を用いた予測
2つのモデルの出力を複合的に利用した予測
「調教脚色,調教評価」の測定した人の主観のデータ
から客観データへの置き換え
47/48
![Page 51: Deep Learningを用いた 競馬の勝ち馬予測プログラムの作成 · 2 - 4 DNNモデルの構築 3 : 結果考察 . 0 機械学習・ディープラーニングとは 機械学習](https://reader031.fdocuments.net/reader031/viewer/2022013008/5e114dd63b9442618902e09b/html5/thumbnails/51.jpg)
3 結果考察3着内予測モデル 配当期待値予測モデル
的中率は高いが回収率が低い 的中率は低いが回収率が高い
回収率85% 的中率 49% 回収率116% 的中率 26%
48/48