機械学習を使って競馬予想AIを作る手順 【１】目的変数を決める 【２】説明変数を決める 【３】学習データを作る 【４】pythonを使って学習させる 【５】予測(予想)させる 【６】的中率や回収率を上げるまで繰り返す youtu.be/rVpYF4re2iY?si… #PCKEIBA #競馬予想 #機械学習 #LightGBM #競馬AI

多クラス分類で１着馬を 機械学習させて予想してみた 中山11R　#セントライト記念 ◉9アスクカムオンモア スティンガーグラスは危険な人気馬で上がったので相手にしました #危険な人気馬 #PCKEIBA #競馬予想 #機械学習 #LightGBM #競馬AI #WIN5 pic.x.com/0nhocuayfr

1番人気が4着以下だったデータを 機械学習させて予想してみた 9/16 WIN5危険な人気馬予想まとめ 消し予想 該当馬なし→2、3→該当馬なし→2→12 購入したWIN5馬券 画像参照　3200円 リチャードバローズは買いました😊 #危険な人気馬 #PCKEIBA #競馬予想 #機械学習 #LightGBM #競馬AI #WIN5 pic.x.com/4jagxo6jxi

1番人気が4着以下だったデータを 機械学習させて予想してみた 危険な人気馬予想 中山9R　#鋸山特別　WIN1 中山10R　#習志野特別　WIN3 10%以上の該当馬なし #危険な人気馬 #PCKEIBA #競馬予想 #機械学習 #LightGBM #競馬AI #WIN5

1番人気が4着以下だったデータを 機械学習させて予想してみた 危険な人気馬予想 中京10R　#桑名特別　WIN2 3リチャードバローズ13% 2メイショウピース11% #危険な人気馬 #PCKEIBA #競馬予想 #機械学習 #LightGBM #競馬AI #WIN5 pic.x.com/smgvcpkzhb

1番人気が4着以下だったデータを 機械学習させて予想してみた 危険な人気馬予想 中京11R　#アニバーサリーS　WIN4 2カズペトシーン42% #危険な人気馬 #PCKEIBA #競馬予想 #機械学習 #LightGBM #競馬AI #WIN5 pic.x.com/fkrt2cwomn

1番人気が4着以下だったデータを 機械学習させて予想してみた 危険な人気馬予想 中山11R　#セントライト記念　WIN5 12スティンガーグラス13% #危険な人気馬 #PCKEIBA #競馬予想 #機械学習 #LightGBM #競馬AI #WIN5 pic.x.com/jawcdj6nrn

1番人気が4着以下だったデータを 機械学習させて予想してみた 9/15 WIN5危険な人気馬予想まとめ 消し予想 該当馬なし→4、7、16→8→11→2、11 購入したWIN5馬券 画像参照　800円 ゴートゥファーストは買いました😊 #危険な人気馬 #PCKEIBA #競馬予想 #機械学習 #LightGBM #競馬AI #WIN5 pic.x.com/yaaenykzha

最近lightGBMで解約予測をしてるんですが、精度が以下の状態。 AUCは不均衡データだとあてにならない？ 1. AUC:0.77 2. F1:0.03 3.解約確率70%以上のうち実際の解約が66% #AUC #lightGBM

1番人気が4着以下だったデータを 機械学習させて予想してみた 危険な人気馬予想 中山11R　#ラジオ日本賞　WIN5 2ミスティックロア47% 11アウトレンジ13% #危険な人気馬 #PCKEIBA #競馬予想 #機械学習 #LightGBM #競馬AI #WIN5 pic.x.com/dwzvlucmni

1番人気が4着以下だったデータを 機械学習させて予想してみた 危険な人気馬予想 中山10R　#レインボーS　WIN3 8デコラシオン11% #危険な人気馬 #PCKEIBA #競馬予想 #機械学習 #LightGBM #競馬AI #WIN5 pic.x.com/so1czttpui

1番人気が4着以下だったデータを 機械学習させて予想してみた 危険な人気馬予想 中京10R　#納屋橋S　WIN2 7アイスグリーン13% 16ゴートゥファースト13% 4サクセスアイ10% #危険な人気馬 #PCKEIBA #競馬予想 #機械学習 #LightGBM #競馬AI #WIN5 pic.x.com/9qq2dfvsoe

1番人気が4着以下だったデータを 機械学習させて予想してみた 危険な人気馬予想 中京11R　#ローズS　WIN4 11フレーミングフープ16% #危険な人気馬 #PCKEIBA #競馬予想 #機械学習 #LightGBM #競馬AI #WIN5 pic.x.com/o15bpaktf0

1番人気が4着以下だったデータを 機械学習させて予想してみた WIN5危険な人気馬予想まとめ 消し予想 該当馬なし→該当馬なし→7→13→10、16 購入したWIN5馬券 画像参照　2400円 川田も武史もおらんかったら ルメさんいるやろ #危険な人気馬 #PCKEIBA #競馬予想 #機械学習 #LightGBM #競馬AI #WIN5 pic.x.com/qremcekme6

1番人気が4着以下だったデータを 機械学習させて予想してみた 危険な人気馬予想 中山10R　#セプテンバーS　WIN3 7レッドアヴァンティ20% #危険な人気馬 #PCKEIBA #競馬予想 #機械学習 #LightGBM #競馬AI #WIN5 pic.x.com/yi3wvlecrj

1番人気が4着以下だったデータを 機械学習させて予想してみた 危険な人気馬予想 中京11R　#セントウルS　WIN4 13ピューロマジック20% #危険な人気馬 #PCKEIBA #競馬予想 #機械学習 #LightGBM #競馬AI #WIN5 pic.x.com/3p9cey3dkg

1番人気が4着以下だったデータを 機械学習させて予想してみた 危険な人気馬予想 中山11R　#京成杯AH　WIN5 10アスコリピチェーノ39% 16コラソンビート18% #危険な人気馬 #PCKEIBA #競馬予想 #機械学習 #LightGBM #競馬AI #WIN5 pic.x.com/0yj9rvzqxt

#Python #LightGBM [LightGBM] [Warning] No further splits with positive gain, best gain: -inf オーバーフィッティングの可能性あり 次の項目に当てはまっていないかチェック。 ・同じデータばかりになっている ・num_leavesを大きくしすぎている ・min_data_in_leafが小さすぎる

1番人気が4着以下だったデータを 機械学習させて予想してみた 危険な人気馬予想　 中山11R　#紫苑S　 11ボンドガール28% 5サロニコス12% #危険な人気馬 #PCKEIBA #競馬予想 #機械学習 #LightGBM #競馬AI pic.x.com/unm7pjrrpg

地理空間情報を駆使して説明変数を作ることで、回帰モ#デルの精度が爆上がりしました。 #地理空間情報　#GeospatialInformation #lightGBM 東京都の住宅地価格に強く影響を与えているのは？ | MachineLearning (kwwwbt.com)