python35admin

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。

スリット判定AIの教師データ864レースを初めてEDA（探索的データ分析）。スリットパターンと平均STや選手スコアなどの関係を調べ、AI Ver.1で使用するデータを704レースに絞るまでの過程を振り返ります。

スリット判定AIの開発に向けて、まずは教師データ作りからスタート。AIによるスリット画像の判定や、Pythonを使ったデータ作成の自動化など、AI開発の土台を整えていく過程を振り返ります。

Ver.1.0の検証を続ける中で、ロジックではなく前提に問題があることに気付きました。スリット隊形に着目し、問題を分解したことで見えてきた新しい発想。競艇AI開発が機械学習へ進む転換点を書いています。