【まとめ】AIで競艇予想したら実際どのくらい稼げるのか実験してみる。~住之江会場~
日別にURLを表示しています。
プログラムの詳細まとめ
日別競艇予想まとめ
5月
4月
関連記事まとめ
参考文献
Kerasはほとんどこの書籍にて学習しました。
Kerasの作者(Google社員)が著者の本で、それを翻訳したものとなっています。
AIの概念から専門的な知識まで(GANなど)を学ぶことができます。
私は今の所、基本的な第一節だけを学んでいますが、簡単なニューラルネットなら作ることが可能となりました。
高校までの数学の知識があれば、モデル開発から学習まで持っていくことができるので、とてもおすすめできる本です。
- 作者:Francois Chollet
- 発売日: 2018/05/28
- メディア: 単行本(ソフトカバー)
【5/17】AIで競艇予想したら実際どのくらい稼げるのか実験してみる。
「これは住之江会場の予想です。」
AIで競艇予想をするプログラムを先日Pythonで作りました。
このブログはプログラムの実用性を試すために書いています。
詳細は以下のURLのまとめサイトを参照してください。
過去の成績
スタート:¥10000
(左から、日付・残金・収支・的中率)
5/1 ¥13100 (+2600) [53.3%]
5/2 ¥12900 (+300) [60.0%]
5/3 ¥14500 (+1600) [64.2%]
5/4 ¥16600 (+2100) [57.1%]
5/5 ¥13400 (-3200) [58.3%]
5/6 ¥11900 (-1500) [69.2%]
5/16 ¥8600 (-3300) [58.3%]
競艇予想提供(無料)
単勝予想の確率を今だけ無料で配布します。
会場は住之江に限ることを注意してください。
予想データは下記リンクから参照してみてください。
ルール
¥10000からスタートする。
大阪住之江会場での予想とする。
1レースにつき¥1000を賭ける。
単勝(1着)の予想を行う。
筆者の個人的主観は考慮せずにAIプログラムのみで予想する
1日ごとの開始金は¥0からとする
本日のレース
結果 -> 「○」なら的中、「×」なら外れ、「△」なら2つ賭けた時に片方だけ的中した場合を表示しています。
1着倍率 -> 1着でゴールした選手の倍率を表示します。
返金 -> レースの結果で返金された金額を表示します。
収支 -> 掛け金を差し引いた収支を表示します。
残金 -> 前回の残金から収支を足し合わせた金額を表示する。
1R
結果:○
倍率:1.7
返金:¥1700
収支:¥+700
残金:¥700
2R
結果:✗
倍率:17.0
返金:¥0
収支:¥-1000
残金:¥-300
3R
結果:
倍率:
返金:¥
収支:¥
残金:¥
4R
結果:
倍率:
返金:¥
収支:¥
残金:¥
5R
結果:
倍率:
返金:¥
収支:¥
残金:¥
6R
結果:
倍率:
返金:¥
収支:¥
残金:¥
7R
結果:
倍率:
返金:¥
収支:¥
残金:¥
8R
結果:
倍率:
返金:¥
収支:¥
残金:¥
9R
結果:
倍率:
返金:¥
収支:¥
残金:¥
10R
結果:
倍率:
返金:¥
収支:¥
残金:¥
11R
結果:
倍率:
返金:¥
収支:¥
残金:¥
12R
結果:
倍率:
返金:¥
収支:¥
残金:¥
結果
日付:
残金:¥
収支:¥
的中率:%
【5/17】競艇単勝予想の確率を開示します
説明
↑こちらの記事の予想結果です。
- 1st Predict(10000) 過去10000件のデータを使って学習させたモデルを使用。
- 1st Predict(no bias) 過去40000件のデータを使って学習させたモデルを使用。
それぞれ1着になる確率を示しています。
確率がたかければ高いほどその選手が勝つ確率が高いということになります。
理論的な的中率は86%ですが、これは人が行うレースなので実際の的中率は平均して60~70%まで下がってしまいます。
なので必ず当たる。とは断言できませんのでそこはご了承下さい。
これまでのレース結果を見て分かる通り、再収集しがマイナスになる可能性もあるので確認した上でご自分で判断ください。
0517 : 1Rの予想結果
1st Predict(10000)
1 : 25.4%
2 : 13.8%
3 : 10.8%
4 : 4.9%
5 : 3.8%
6 : 3.5%
1st Predict(44000)
1 : 22.9%
2 : 11.8%
3 : 10.3%
4 : 3.8%
5 : 2.9%
6 : 2.7%
1st Predict(no bias)
1 : 28.9%
2 : 15.7%
3 : 12.7%
4 : 5.1%
5 : 3.6%
6 : 3.6%
0517 : 2Rの予想結果
1st Predict(10000)
1 : 38.2%
2 : 14.1%
3 : 7.5%
4 : 5.2%
5 : 4.4%
6 : 3.9%
1st Predict(44000)
1 : 43.8%
2 : 14.0%
3 : 6.6%
4 : 4.1%
5 : 3.6%
6 : 3.1%
1st Predict(no bias)
1 : 44.6%
2 : 18.1%
3 : 8.5%
4 : 5.6%
5 : 4.6%
6 : 4.0%
0517 : 3Rの予想結果
1st Predict(10000)
1 : 38.1%
2 : 22.8%
3 : 6.9%
4 : 5.0%
5 : 4.3%
6 : 4.0%
1st Predict(44000)
1 : 41.0%
2 : 21.7%
3 : 6.0%
4 : 4.0%
5 : 3.5%
6 : 3.4%
1st Predict(no bias)
1 : 47.4%
2 : 25.9%
3 : 7.8%
4 : 5.4%
5 : 4.6%
6 : 4.1%
0517 : 4Rの予想結果
1st Predict(10000)
1 : 41.1%
2 : 21.8%
3 : 6.3%
4 : 4.7%
5 : 3.8%
6 : 3.8%
1st Predict(44000)
1 : 44.2%
2 : 23.4%
3 : 4.8%
4 : 3.6%
5 : 2.9%
6 : 3.1%
1st Predict(no bias)
1 : 48.0%
2 : 23.1%
3 : 5.7%
4 : 5.0%
5 : 3.9%
6 : 4.0%
0517 : 5Rの予想結果
1st Predict(10000)
1 : 42.1%
2 : 14.3%
3 : 7.0%
4 : 5.1%
5 : 4.5%
6 : 3.8%
1st Predict(44000)
1 : 48.0%
2 : 14.5%
3 : 5.7%
4 : 4.1%
5 : 3.8%
6 : 3.1%
1st Predict(no bias)
1 : 46.1%
2 : 19.2%
3 : 8.1%
4 : 5.4%
5 : 4.8%
6 : 4.0%
0517 : 6Rの予想結果
1st Predict(10000)
1 : 41.7%
2 : 28.5%
3 : 10.4%
4 : 5.4%
5 : 4.0%
6 : 3.7%
1st Predict(44000)
1 : 41.4%
2 : 31.0%
3 : 10.5%
4 : 4.4%
5 : 3.2%
6 : 3.1%
1st Predict(no bias)
1 : 43.4%
2 : 31.5%
3 : 12.2%
4 : 5.9%
5 : 4.2%
6 : 4.0%
0517 : 7Rの予想結果
1st Predict(10000)
1 : 35.2%
2 : 26.0%
3 : 12.6%
4 : 4.8%
5 : 4.7%
6 : 3.5%
1st Predict(44000)
1 : 33.3%
2 : 28.6%
3 : 13.2%
4 : 4.0%
5 : 4.0%
6 : 2.8%
1st Predict(no bias)
1 : 32.0%
2 : 29.0%
3 : 14.3%
4 : 5.2%
5 : 5.0%
6 : 3.6%
0517 : 8Rの予想結果
1st Predict(10000)
1 : 50.8%
2 : 11.3%
3 : 6.9%
4 : 7.6%
5 : 3.9%
6 : 3.6%
1st Predict(44000)
1 : 57.3%
2 : 9.1%
3 : 5.2%
4 : 7.3%
5 : 3.0%
6 : 2.9%
1st Predict(no bias)
1 : 57.8%
2 : 13.2%
3 : 6.3%
4 : 9.2%
5 : 4.0%
6 : 3.7%
0517 : 9Rの予想結果
1st Predict(10000)
1 : 40.1%
2 : 30.6%
3 : 6.9%
4 : 5.1%
5 : 5.0%
6 : 3.4%
1st Predict(44000)
1 : 38.4%
2 : 36.6%
3 : 5.7%
4 : 4.2%
5 : 4.2%
6 : 2.6%
1st Predict(no bias)
1 : 44.7%
2 : 33.7%
3 : 7.6%
4 : 5.5%
5 : 5.3%
6 : 3.4%
0517 : 10Rの予想結果
1st Predict(10000)
1 : 45.8%
2 : 19.4%
3 : 8.9%
4 : 4.8%
5 : 4.5%
6 : 3.7%
1st Predict(44000)
1 : 50.7%
2 : 21.6%
3 : 8.7%
4 : 3.8%
5 : 3.9%
6 : 3.1%
1st Predict(no bias)
1 : 47.6%
2 : 22.1%
3 : 10.4%
4 : 5.1%
5 : 4.9%
6 : 3.9%
0517 : 11Rの予想結果
1st Predict(10000)
1 : 55.5%
2 : 21.4%
3 : 10.5%
4 : 5.8%
5 : 4.8%
6 : 3.7%
1st Predict(44000)
1 : 60.4%
2 : 23.0%
3 : 10.0%
4 : 5.1%
5 : 4.1%
6 : 3.0%
1st Predict(no bias)
1 : 58.7%
2 : 24.7%
3 : 12.8%
4 : 6.6%
5 : 5.1%
6 : 3.9%
0517 : 12Rの予想結果
1st Predict(10000)
1 : 56.7%
2 : 21.8%
3 : 11.9%
4 : 6.6%
5 : 4.3%
6 : 3.9%
1st Predict(44000)
1 : 64.7%
2 : 26.9%
3 : 11.7%
4 : 5.9%
5 : 3.5%
6 : 3.2%
1st Predict(no bias)
1 : 65.8%
2 : 29.4%
3 : 13.2%
4 : 7.5%
5 : 4.7%
6 : 4.0%
【5/16】AIで競艇予想したら実際どのくらい稼げるのか実験してみる。
「これは住之江会場の予想です。」
AIで競艇予想をするプログラムを先日Pythonで作りました。
このブログはプログラムの実用性を試すために書いています。
詳細は以下のURLのまとめサイトを参照してください。
過去の成績
スタート:¥10000
(左から、日付・残金・収支・的中率)
5/1 ¥13100 (+2600) [53.3%]
5/2 ¥12900 (+300) [60.0%]
5/3 ¥14500 (+1600) [64.2%]
5/4 ¥16600 (+2100) [57.1%]
5/5 ¥13400 (-3200) [58.3%]
5/6 ¥11900 (-1500) [69.2%]
競艇予想提供(無料)
単勝予想の確率を今だけ無料で配布します。
会場は住之江に限ることを注意してください。
予想データは下記リンクから参照してみてください。
ルール
¥10000からスタートする。
大阪住之江会場での予想とする。
1レースにつき¥1000を賭ける。
単勝(1着)の予想を行う。
筆者の個人的主観は考慮せずにAIプログラムのみで予想する
1日ごとの開始金は¥0からとする
本日のレース
結果 -> 「○」なら的中、「×」なら外れ、「△」なら2つ賭けた時に片方だけ的中した場合を表示しています。
1着倍率 -> 1着でゴールした選手の倍率を表示します。
返金 -> レースの結果で返金された金額を表示します。
収支 -> 掛け金を差し引いた収支を表示します。
残金 -> 前回の残金から収支を足し合わせた金額を表示する。
1R
結果:○
倍率:1.8
返金:¥1800
収支:¥+800
残金:¥800
2R
結果:✗
倍率:6.6
返金:¥0
収支:¥-1000
残金:¥-200
3R
結果:✗
倍率:5.0
返金:¥0
収支:¥-2000
残金:¥-2200
4R
結果:✗
倍率:2.9
返金:¥0
収支:¥-1000
残金:¥-3200
5R
結果:○
倍率:1.2
返金:¥1200
収支:¥+200
残金:¥-3000
6R
結果:○
倍率:1.8
返金:¥1800
収支:¥+800
残金:¥-2200
7R
結果:✗
倍率:3.9
返金:¥0
収支:¥-1000
残金:¥-3200
8R
結果:○
倍率:1.2
返金:¥1200
収支:¥+200
残金:¥-3000
9R
結果:○
倍率:1.2
返金:¥1200
収支:¥+200
残金:¥-2800
10R
結果:○
倍率:1.2
返金:¥1200
収支:¥+200
残金:¥-2600
11R
結果:✗
倍率:6.5
返金:¥0
収支:¥-1000
残金:¥-3600
12R
結果:○
倍率:1.3
返金:¥1300
収支:¥+300
残金:¥-3300
結果
日付:5/16
残金:¥8600
収支:¥-3300
的中率:53.8%
【5/16】競艇単勝予想の確率を開示します
説明
↑こちらの記事の予想結果です。
- 1st Predict(10000) 過去10000件のデータを使って学習させたモデルを使用。
- 1st Predict(no bias) 過去40000件のデータを使って学習させたモデルを使用。
それぞれ1着になる確率を示しています。
確率がたかければ高いほどその選手が勝つ確率が高いということになります。
理論的な的中率は86%ですが、これは人が行うレースなので実際の的中率は平均して60~70%まで下がってしまいます。
なので必ず当たる。とは断言できませんのでそこはご了承下さい。
これまでのレース結果を見て分かる通り、再収集しがマイナスになる可能性もあるので確認した上でご自分で判断ください。
0516 : 1Rの予想結果
1st Predict(10000)
1 : 40.7%
2 : 17.4%
3 : 8.0%
4 : 6.4%
5 : 4.6%
6 : 3.4%
1st Predict(no bias)
1 : 46.8%
2 : 21.2%
3 : 9.5%
4 : 7.0%
5 : 5.1%
6 : 3.6%
0516 : 2Rの予想結果
1st Predict(10000)
1 : 43.9%
2 : 22.0%
3 : 10.4%
4 : 5.9%
5 : 4.3%
6 : 3.3%
1st Predict(no bias)
1 : 49.1%
2 : 26.7%
3 : 11.8%
4 : 6.4%
5 : 4.7%
6 : 3.2%
0516 : 3Rの予想結果
1st Predict(10000)
1 : 26.9%
2 : 21.7%
3 : 12.3%
4 : 5.7%
5 : 4.0%
6 : 3.7%
1st Predict(no bias)
1 : 32.6%
2 : 27.2%
3 : 13.9%
4 : 6.6%
5 : 4.1%
6 : 3.9%
0516 : 4Rの予想結果
1st Predict(10000)
1 : 35.0%
2 : 24.8%
3 : 8.5%
4 : 5.9%
5 : 5.0%
6 : 3.3%
1st Predict(no bias)
1 : 39.9%
2 : 30.7%
3 : 8.0%
4 : 6.3%
5 : 5.2%
6 : 3.3%
0516 : 5Rの予想結果
1st Predict(10000)
1 : 48.2%
2 : 18.7%
3 : 7.7%
4 : 5.1%
5 : 3.7%
6 : 3.9%
1st Predict(no bias)
1 : 53.5%
2 : 22.5%
3 : 8.8%
4 : 5.8%
5 : 3.5%
6 : 4.1%
0516 : 6Rの予想結果
1st Predict(10000)
1 : 47.9%
2 : 12.0%
3 : 10.6%
4 : 6.4%
5 : 3.9%
6 : 3.7%
1st Predict(no bias)
1 : 51.8%
2 : 13.7%
3 : 11.2%
4 : 7.2%
5 : 4.0%
6 : 3.8%
0516 : 7Rの予想結果
1st Predict(10000)
1 : 40.9%
2 : 13.0%
3 : 11.3%
4 : 5.2%
5 : 4.4%
6 : 3.6%
1st Predict(no bias)
1 : 46.1%
2 : 15.2%
3 : 13.6%
4 : 6.0%
5 : 4.5%
6 : 3.7%
0516 : 8Rの予想結果
1st Predict(10000)
1 : 46.4%
2 : 12.5%
3 : 6.6%
4 : 6.3%
5 : 4.0%
6 : 3.5%
1st Predict(no bias)
1 : 52.8%
2 : 13.4%
3 : 7.4%
4 : 7.6%
5 : 4.2%
6 : 3.4%
0516 : 9Rの予想結果
1st Predict(10000)
1 : 45.8%
2 : 11.8%
3 : 11.6%
4 : 5.6%
5 : 3.9%
6 : 3.4%
1st Predict(no bias)
1 : 53.6%
2 : 13.5%
3 : 14.3%
4 : 6.3%
5 : 3.7%
6 : 3.6%
0516 : 10Rの予想結果
1st Predict(10000)
1 : 53.0%
2 : 27.8%
3 : 9.4%
4 : 7.1%
5 : 4.1%
6 : 3.7%
1st Predict(no bias)
1 : 56.9%
2 : 32.3%
3 : 11.2%
4 : 7.8%
5 : 4.4%
6 : 3.9%
0516 : 11Rの予想結果
1st Predict(10000)
1 : 49.6%
2 : 23.2%
3 : 10.1%
4 : 6.3%
5 : 4.4%
6 : 3.8%
1st Predict(no bias)
1 : 55.9%
2 : 27.2%
3 : 11.5%
4 : 7.0%
5 : 4.6%
6 : 3.8%
0516 : 12Rの予想結果
1st Predict(10000)
1 : 58.0%
2 : 29.9%
3 : 13.1%
4 : 6.8%
5 : 4.4%
6 : 3.8%
1st Predict(no bias)
1 : 61.0%
2 : 38.9%
3 : 14.7%
4 : 7.4%
5 : 4.6%
6 : 4.0%
作者予想
1R 単勝: 1
2R 単勝: 1
3R 単勝: 1 / 2
4R 単勝: 1
5R 単勝: 1
6R 単勝: 1
7R 単勝: 1
8R 単勝: 1
9R 単勝: 1
10R 単勝: 1
11R 単勝: 1
12R 単勝: 1
【Hyperas】TypeError: 'function' object is not subscriptableの解決
TypeError: 'function' object is not subscriptable
このエラーは関数部に問題があると考えられます。
この問題を修正するためには、hyperasモジュールで追加した部分を見返しましょう。
環境
モジュールのインポート
from tensorflow.keras import layers from tensorflow.keras import Input from hyperas.distributions import choice from hyperas.distributions import uniform
Before
def create_model(X_train, y_train, X_test, y_test): input_tensor = Input(shape=(X_train.shape[1],)) x = layers.Dense({{choice[128, 256, 512]}}, activation="relu", kernel_regularizer = regularizers.l2({{choice[0.01, 0.001, 0.0001]}}))(input_tensor) x = layers.Dropout({{uniform(0, 1)}})(x) :
これのどこが問題かお分かりでしょうか。
では次にコードを修正したAfterを表示します。
After
def create_model(X_train, y_train, X_test, y_test): input_tensor = Input(shape=(X_train.shape[1],)) x = layers.Dense({{choice([128, 256, 512])}}, activation="relu", kernel_regularizer = regularizers.l2({{choice([0.01, 0.001, 0.0001])}}))(input_tensor) x = layers.Dropout({{uniform(0, 1)}})(x) :
{{}}のchoiceの扱い方に注目してください。
{{choice[128, 256, 512]}} {{choice([128, 256, 512])}}
このようにchoiceに( )をつけていないと、先程のエラーがでてしまいました。
このエラーは、
TypeError Traceback (most recent call last) <ipython-input-55-c060629fd2f2> in <module> 7 max_evals=5, 8 trials=trials, ----> 9 notebook_name="sample_notebook" 10 ) 11
このようにメイン関数内[optim.minimize( )]でエラーを指摘されるので、どこに不具合があるのか特定しづらいです。
もし私と同じようなエラーが出た場合はまず、関数の表記が間違っていないか確認してみると良いと思います。
参考サイト
Keras での書き方
下記のソースコードは、先程のAfterのソースコードと同じです。
(モデルに変換する部分は表示していないので厳密には同じとは言えませんが、モデルの構成としては同じなのでご了承お願いします。)
from tensorflow.keras import models from tensorflow.keras import layers from tensorflow.keras import regularizers def create_model(X_train, y_train, X_test, y_test): model = Sequential() model.add(layers.Dense({{choice([128, 256, 512])}}, activation="relu", kernel_regularizer = regularizers.l2({{choice([0.01, 0.001, 0.0001])}}), input_shape=(X_train.shape[1],)) model.add(layers.Dropout({{uniform(0, 1)}}) :
【5/6】AIで競艇予想したら実際どのくらい稼げるのか実験してみる。[-1500]
「これは住之江会場の予想です。」
AIで競艇予想をするプログラムを先日Pythonで作りました。
このブログはプログラムの実用性を試すために書いています。
詳細は以下のURLのまとめサイトを参照してください。
過去の成績
スタート:¥10000
(左から、日付・残金・収支・的中率)
5/1 ¥13100 (+2600) [53.3%]
5/2 ¥13400 (+300) [60.0%]
5/3 ¥15000 (+1600) [64.2%]
5/4 ¥17100 (+2100) [57.1%]
5/5 ¥13900 (-3200) [58.3%]
ルール
¥10000からスタートする。
大阪住之江会場での予想とする。
1レースにつき¥1000を賭ける。
単勝(1着)の予想を行う。
筆者の個人的主観は考慮せずにAIプログラムのみで予想する
1日ごとの開始金は¥0からとする
本日のレース
結果 -> 「○」なら的中、「×」なら外れ、「△」なら2つ賭けた時に片方だけ的中した場合を表示しています。
1着倍率 -> 1着でゴールした選手の倍率を表示します。
返金 -> レースの結果で返金された金額を表示します。
収支 -> 掛け金を差し引いた収支を表示します。
残金 -> 前回の残金から収支を足し合わせた金額を表示する。
1R
結果:○
倍率:1.3
返金:¥1300
収支:¥+300
残金:¥300
2R
結果:○
倍率:1.5
返金:¥1500
収支:¥+500
残金:¥800
3R
結果:○
倍率:1.0
返金:¥1000
収支:¥0
残金:¥800
4R
結果:○
倍率:1.4
返金:¥1400
収支:¥+400
残金:¥1200
5R
結果:○
倍率:1.2
返金:¥1200
収支:¥+200
残金:¥1400
6R
結果:○
倍率:1.5
返金:¥1500
収支:¥+500
残金:¥1900
7R
結果:✗
倍率 : 49.0
返金:¥0
収支:¥-2000
残金:¥-100
8R
結果:○
倍率:1.1
返金:¥1100
収支:¥+100
残金:¥0
9R
結果:○
倍率:1.3
返金:¥1300
収支:¥+300
残金:¥300
10R
結果:○
倍率:1.2
返金:¥1200
収支:¥+200
残金:¥500
11R
結果:✗
倍率:2.8
返金:¥0
収支:¥-1000
残金:¥-500
12R
結果:✗
倍率:8.2
返金:¥0
収支:¥-1000
残金:¥-1500
結果
日付:5/6
残金:¥11900
収支:¥-1500
的中率:69.2%