AI Race Prediction and Program Introduction

独学でプログラミングを学んでいる大学生です。忘れないために備忘録としてここに残すことにします

【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~

このページは競艇予想のまとめページです。

日別にURLを表示しています。

プログラムの詳細まとめ

gorilland-k.hatenablog.com

gorilland-k.hatenablog.com

qiita.com

日別競艇予想まとめ

5月

f:id:gorilland_k:20200504212233p:plain

gorilland-k.hatenablog.com

gorilland-k.hatenablog.com

gorilland-k.hatenablog.com

gorilland-k.hatenablog.com

gorilland-k.hatenablog.com

4月

f:id:gorilland_k:20200428205629p:plain
成績推移

gorilland-k.hatenablog.com

gorilland-k.hatenablog.com

gorilland-k.hatenablog.com

gorilland-k.hatenablog.com

gorilland-k.hatenablog.com

gorilland-k.hatenablog.com

gorilland-k.hatenablog.com

関連記事まとめ

gorilland-k.hatenablog.com

gorilland-k.hatenablog.com

gorilland-k.hatenablog.com

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。

PythonとKerasによるディープラーニング

PythonとKerasによるディープラーニング

  • 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。

gorilland-k.hatenablog.com

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。

gorilland-k.hatenablog.com

ルール

  1. ¥10000からスタートする。

  2. 大阪住之江会場での予想とする。

  3. 1レースにつき¥1000を賭ける。

  4. 単勝(1着)の予想を行う。

  5. 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

  6. 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

gorilland-k.hatenablog.com

↑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。

gorilland-k.hatenablog.com

過去の成績

f:id:gorilland_k:20200507094153p:plain

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。

gorilland-k.hatenablog.com

ルール

  1. ¥10000からスタートする。

  2. 大阪住之江会場での予想とする。

  3. 1レースにつき¥1000を賭ける。

  4. 単勝(1着)の予想を行う。

  5. 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

  6. 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

gorilland-k.hatenablog.com

↑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

github.com

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)}})
           :

【自分用】ITで少しでも意味が分からなかった単語を意味とともに書き記していこう[Python]

 はじめに

プログラミングを学んでいく上で、少しでも意味が理解できなかった単語を意味と共に書き記していきます。

なんとなくこれかな?という意味はわかるけどちゃんとした定義はわからない。という単語もすべて恥じらいなく追加していきます。

あくまで自分用ですが、だれかの参考になれば幸いです。

意味に間違いがあれば、コメントなどから指摘お願いします。

基本的にPythonで見つけた単語なので、汎用性はないのかもしれません。(その他の分野も一部含まれていますが)

しかし、中には汎用的な単語も含まれていると思うのでぜひ参考にしていただければと思います。

続きを読む

【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。

gorilland-k.hatenablog.com

過去の成績

f:id:gorilland_k:20200507094153p:plain

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

  1. ¥10000からスタートする。

  2. 大阪住之江会場での予想とする。

  3. 1レースにつき¥1000を賭ける。

  4. 単勝(1着)の予想を行う。

  5. 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

  6. 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%