35歳からのPython学習日記

競艇AI開発で12種類のスリットPatternを予測してきましたが、検証を続ける中で目的と手段を見直すことに。自分の予想プロセスに戻り、よりシンプルなアプローチを考えます。

競艇AI開発日記第17話。ST中央値を特徴量として追加し、スリット判定AIを検証。Accuracyは0.306と平均STを使ったベースモデルを下回り、中央値は平均STとは異なる情報を追加する特徴量としては採用しないことにしました。

競艇AI開発日記第16話。ST速い率とST遅い率を特徴量として追加し、スリット判定AIを検証。大きな精度改善は見られず、平均STと情報が重なっている可能性を感じながら、次の特徴量を探していきます。

競艇AI開発日記第15話。標準偏差を特徴量としてAIに追加し、スリット判定AIを検証。Accuracyはわずかに向上したものの、総合的に見ると大きな改善とは言えず、次の特徴量探索へ進む過程を記録しています。

競艇AI開発日記第14話。スタートの安定性を表す特徴量として標準偏差を分析。選手ごとの違いは見えたものの、スリット隊形を十分に説明できる手応えは得られず、次の特徴量探索へ進む過程を記録しています。

競艇AI開発日記第13話。平均スタートを分析し、特徴量としての可能性を検証。基準となる数字は見えたものの、それだけではスリット隊形を十分に表現できないと感じ、次の特徴量探索へ進む過程を記録しています。

競艇AI開発日記第12話。モデルA〜Cの検証を経て、特徴量探索を開始。最初の特徴量として平均スタートに着目し、思い込みではなくデータからAIに渡す情報を探していく過程を記録しています。

競艇AI開発日記第11話。モデルA〜Cを試した結果から、モデルの改善だけでは限界を感じ、特徴量探索フェーズへ移行しました。AIに渡す情報を見直すまでの試行錯誤を記録しています。

競艇AIの精度向上を目指して、機械学習モデルの特徴量を追加したモデルBを作成。しかしAccuracyは0.347から0.319へ低下。「特徴量を増やすこと」と「新しい情報を増やすこと」の違いを学んだ開発記録です。

競艇AI開発日記第9話。初めてRandomForestでスリット判定AIを動かし、Accuracy 0.347という結果を確認。しかし、本当に学んだのはAIを作ることではなく、「結果をどう評価するか」でした。初心者目線で機械学習の最初の一歩を振り返ります。