Kazu Home Page

< 新しい記事

新着記事一覧(全1418件)

過去の記事 >

Nov 4, 2017

2017/11/04　機械学習,Deep learningによる競馬予想　ノーベンバーS、みやこS、アルゼンチン共和国杯予想

カテゴリ：競馬

機械学習による競馬予想

◆ノーベンバーS◆

予想	馬番	馬名	騎手	脚質	重量	Deep	Random	合計値
*	1	ラヴィエベール	ルメ	差	56	44.2	36.4	80.6
*	2	トーセンマタコイヤ	Ｍデ	先	56	34.0	23.6	57.6
〇	3	ヴァフラーム	川田	追	53	106.4	23.5	129.9
*	4	ルックトゥワイス	戸崎	差	56	23.2	16.4	39.6
◎	5	デルマサリーチャン	武士	差	52	116.7	53.7	170.4
*	6	シャドウウィザード	シュ	差	54	7.0	6.5	13.5
*	7	マウントゴールド	武豊	逃	55	-5.0	11.6	6.7
*	8	ストーンウェア	Ｃデ	差	56	20.8	19.9	40.7
*	9	ブルックデイルB	吉田	先	52	-14.6	21.3	6.7
*	10	サトノアリシア	池添	差	52	-12.0	29.4	17.5
▲	11	グランドサッシュ	シュ	追	55	73.1	45.1	118.2
*	12	スモークフリー	福永	差	55	10.8	33.1	43.8
*	13	アーバンキッド	石橋	先	55	13.0	20.1	33.1
*	14	トレジャーマップ	内田	追	53	23.1	23.4	46.6

◆みやこS◆

予想	馬番	馬名	騎手	脚質	重量	Deep	Random	合計値
◎	1	モルトベーネ	秋山	先	57	75.0	26.8	101.8
	2	サルサディオーネ	丸山	逃	52	-15.4	6.3	-9.1
	3	タガノヴェリテ	荻野	差	56	71.8	8.8	80.6
	4	トップディーヴォB	横山	先	56	57.4	24.4	81.8
	5	アスカノロマン	和田	差	57	60.9	15.5	76.4
	6	タガノディグオ	藤岡	差	56	9.1	16.2	25.3
〇	7	リーゼントロック	中谷	先	56	77.0	25.5	102.5
	8	モンドクラッセ	松山	逃	56	23.4	14.8	38.2
	9	シャイニービーム	高倉	差	56	27.2	6.7	33.9
	10	ルールソヴァールB	幸	差	56	-15.8	5.4	-10.4
	11	ローズプリンスダム	木幡	先	55	21.4	8.2	29.7
	12	キングズガード	藤岡	差	57	7.5	14.4	21.9
	13	マイネルクロップB	Ｃデ	差	56	18.1	14.5	32.6
	14	タムロミラクル	川田	差	56	-14.9	4.5	-10.5
	15	エピカリス	ルメ	先	54	27.3	24.5	51.7
▲	16	テイエムジンソク	古川	逃	56	65.2	86.2	151.4

◆アルゼンチン共和国杯◆

予想	馬番	馬名	騎手	脚質	重量	Deep	Random	合計値
*	1	セダブリランテス	戸崎	先	54	17.2	17.5	34.7
*	2	マイネルサージュ	柴田	先	54	-11.3	1.8	-9.5
*	3	デニムアンドルビー	田辺	追	54	-13.0	10.0	-3.1
〇	4	スワーヴリチャード	Ｍデ	差	56	71.2	32.5	103.7
*	5	トウシンモンステラ	北村	追	53	-16.5	2.1	-14.4
*	6	プレストウィック	シュ	差	55	11.3	7.0	18.3
*	7	ソールインパクト	福永	先	53	28.8	14.7	43.5
*	8	カレンミロティック	池添	先	57	39.5	5.7	45.2
*	9	シホウB	吉田	差	53	29.0	8.6	37.6
▲	10	サラトガスピリット	内田	差	53	38.7	28.4	67.1
◎	11	アルバート	シュ	差	58.5	79.7	107.2	187.0
*	12	トルークマクト	江田	追	53	7.5	7.3	14.7
*	13	ハッピーモーメント	津村	先	54	-14.3	4.1	-10.2
*	14	レコンダイト	北村	差	55	14.6	7.0	21.6
*	15	ヒットザターゲット	三浦	追	57	10.9	9.7	20.7
*	16	カムフィー	勝浦	追	52	-25.6	3.9	-21.7

◆予測結果の見方◆
数字は左から”Deep Learning”による予測結果（5着以内、3着以内、1着以内を足したもの）、”Random forest"による予測結果（5着以内、3着以内、1着以内を足したもの）、Deep LearningとRandom forestの予測結果を足したものとなっています。

下記がアルゼンチン共和国杯の5着、3着、1着のトレーニングデータでの誤差を示しています。両方ともかなり収束しており、でーたからの学習はばっちりです。