【初心者必見】競馬AI予測モデルをゼロから作成！簡単ステップとコードを大公開！-後編

「競馬予想AIモデルを自力で作ってみたい！」「予想を自動化させたい！」

前編がまだの方はこちら！

【初心者必見】競馬AI予測モデルをゼロから作成！簡単ステップとコードを大公開！-前編

今回も引き続きプログラミング初心者の方でも競馬予想モデルを作れるように、簡単に取り組めるAI競馬予測モデルの作成方法を紹介します！
データの収集から特徴量の作成、モデルの構築まで、初心者にも分かりやすく説明し、実際のコードも公開するのでぜひご覧になってください！

③データの前処理と特徴量作成

前回集めたデータを、機械がわかるように加工しましょう！
競馬予測モデルの精度を向上させるためには、データの前処理と特徴量の作成が不可欠です。

競馬予測モデルの成功はデータの前処理から始まる

まずは集めたデータを読み込みましょう。
一応必要なライブラリのインポートも載せておきます。

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns

R_result=pd.read_csv("/content/drive/MyDrive/arima.csv")
H_result=pd.read_csv("/content/drive/MyDrive/arima_horse.csv")

R_result.info()

R_result=R_result[R_result['着順']!='取']
R_result=R_result[R_result['着順']!='中']
R_result['着順']=R_result['着順'].astype(int)

R_result['性別']=R_result['性齢'].str[:1]
R_result['年齢']=R_result['性齢'].str[1:].astype(int)

R_result['体重']=R_result['馬体重'].str[:3].astype(int)
R_result['体重変動']=R_result['馬体重'].str[4:].str[-5:-1].astype(int)

R_result['単勝']=R_result['単勝'].astype(float)
R_result['年度']=R_result['Unnamed: 0'].astype(str).str[:4].astype(int)

H_result['賞金'].fillna(0,inplace=True)
H_result=H_result[H_result['着 順']!='取']
H_result=H_result[H_result['着 順']!='中']
H_result=H_result[H_result['着 順']!='除']
H_result=H_result[H_result['着 順']!='失']
H_result=H_result.dropna(subset=['上り'])
H_result=H_result.dropna(subset=['ペース'])
H_result['日付']=H_result['日付'].str[:4].astype(int)
H_result=H_result.rename(columns={'Unnamed: 0': 'horse_id'})

これで二つとも処理がしやすくなりました。

特徴量の作成

前処理をしたデータから特徴量を作成してみましょう。
そもそも特徴量ってなに？という方はこちらも参考にしてみてください。

主に処理が必要なのはH_resultのデータになります。
今回はH_resultからは出走馬の今までの最速の上りタイムと獲得賞金を使用したいと思います。

ここでは、あくまでその年の有馬記念の開催よりも前のデータを使用しないと正しくデータが処理できません。
競馬予想モデルを作る際は、未来の情報を使わないように注意しましょう！

最速の上りタイムと獲得賞金を計算するために、R_resultとH_reultをくっつけましょう。
上記の未来のデータを取り込まないことを意識して処理をします。

merged_df=pd.merge(R_result,H_result,on='horse_id',how='left')
h_df1=merged_df[merged_df['年度']>merged_df['日付']]

ふたつのテーブルが結合し、最速の上りタイムと獲得賞金を計算してR_resultに値を格納します。

for a in set(h_df1['Unnamed: 0']):#race_idごとに処理
  df=h_df1[h_df1['Unnamed: 0']==a]
  for b in set(df.horse_id):#出走馬のデータを計算
   df1=df[df['horse_id']==b]
   R_result.loc[(R_result['Unnamed: 0']==a) & (R_result['horse_id']==b),'上り最速']=df1['上り'][1:].min()
   R_result.loc[(R_result['Unnamed: 0']==a) & (R_result['horse_id']==b),'獲得賞金']=df1['賞金'][1:].sum()

これで計算できました！

ラベリング

データはかなりきれいになりましたが、先述の通り、機械学習モデルを作るためには、値を数字に変換する必要があります。
今回は「性別」のデータを数値に変換しましょう。
「性別」には　{‘セ’, ‘牝’, ‘牡’}　の3つの値があります。騙馬忘れがちですね。
今回は騙馬→1、牡馬→2、牝馬→3のように数字を振り分けましょう。

# 性別カラムの値を数字に置き換える
R_result['性別'] = R_result['性別'].replace({'セ': 1, '牡': 2, '牝': 3})

このように、文字列のデータも数値データに変換することで、特徴量として使用することが出来ます。

④競馬予測モデルを作ろう！

データを整えたので、いよいよモデルの作成です！

LightGBMでモデルを作ろう！

モデル作成に必要なライブラリをインポートします。

import lightgbm as lgb

このモデルでは三着以内に入る確率を求めるモデルを作ってみましょう。

# 着順が3着以内なら1、それ以外なら0に変換
R_result['3着フラグ'] = np.where(R_result['着順'] <= 3, 1, 0)

使用する特徴量は以下になります。

tokucyo_list=['年度','3着フラグ','馬番','斤量','単勝','性別','年齢','体重','体重変動','上り最速','獲得賞金']

モデルを作るときは、学習用データとテストデータに分けて作成します。
もう少し詳しく知りたいかたはこちらをご覧になってください。
ここでは2020年を基準にデータを分割します。

train=R_result[tokucyo_list][R_result['年度']<=2020]
test=R_result[tokucyo_list][R_result['年度']>2020]

ここまでやれば後はパソコンがんばれー！です。
もちろんパラメータの設定など、いじるところもありますが、基本的には成型したデータを用意してあげれば、簡単に機械学習モデルを作ることが出来ます！

# 説明変数と目的変数に分ける
x_train = train[tokucyo_list[2:]]
y_train = train['3着フラグ']
x_test = test[tokucyo_list[2:]]
y_test = test['3着フラグ']


# パラメータ設定
param = {
    'num_leaves': 31,
    'learning_rate': 0.1,
    'n_estimators': 50,
    'max_depth': 2,
    'objective': 'binary',  # 二値分類を指定
}


# LightGBMモデルの設定
lgbm = lgb.LGBMClassifier(**param)


# モデルの学習
lgbm.fit(x_train, y_train)

# テストデータでの予測
test_predicted = lgbm.predict_proba(x_test)[:, 1]

予測値の確認

作ったモデルで、実際にテストデータがどのように予想されたのか確認してみましょう。

df=R_result[['着順','年度','人気','馬名']][R_result['年度']>2020] df['予想値']=test_predicted*100

見やすいように、予想値を%の桁に変えています。
2021年の予想値を見てみると、1着のエフフォーリアや3着のクロノジェネシスが80%以上の確率で3着以内に来ると予測されましたね。
実際に2頭とも複勝圏内に入りました。

このように機械学習モデルは与えられたデータをもとに、値を出力します。

あとは皆さんの好きなようにカスタマイズ！

今作ったモデルはほんの一例です。
他にも騎手や、血統や、得意コースetc、、、予想するうえで使いたいデータは山ほどありますよね。
また予測値も、「オリジナルの指数を算出したい！」「穴馬を見つけたい！」など、目的によって求めたい値も変わってきます。

今回作成したモデルを元に、自分好みのモデルにぜひカスタマイズしてみてください！

⑤まとめ

後編では、競馬予測モデルを作成するための第一歩として、特徴量作成とモデルの作成について解説しました。
重要なポイントを以下にまとめます。

ここまでお付き合いいただきありがとうございました！
本ブログでは競馬予想だけでなく、この記事のようにデータサイエンスの実践的なスキルを身につけるための記事も作成しております。
ぜひ他の記事もご覧ください！

参考記事紹介

【データサイエンス初心者入門編】タイタニック号であなたは生き残れる？