AI開発

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。

Ver.1.0の検証を続ける中で、ロジックの違和感が少しずつ大きくなりました。Ver.1.1の失敗を通して気付いたのは、改善する前に「理解すること」の大切さ。ロジックは予想するためだけではなく、検証するための物差しでもありました。

競艇AI開発日記 第4話。期待していた予想ロジック「Ver.1.0」を検証する中で、当たっても低配当が続き、1着は当たっていても2・3着が外れる違和感が見え始めました。改善ではなく、まず検証を続けると決めた頃の記録です。

競艇AI開発日記 第3話。完成した予想ロジック「Ver.1.0」を初めて実戦投入。最初は半信半疑だったものの、自分では買わない買い目で万舟が的中し、「意外といけるかも」と感じ始めた頃の記録です。

競艇予想をPythonで再現するため、最初の予想ロジック「Ver.1.0」を作りました。コース別成績やスタートをどうロジックへ落とし込んだのか。AIとの壁打ちを通して、自分の予想を言葉にしていった開発日記、第2話です。