【機械学習で競馬予想④】集めたデータを予測用の項目に絞る
いっぱいデータが集まったので予測に使うデータを選別する
今回は一番新しいレース着順が1着を正解データとして、機械学習をやる予定。
なので、一番新しいレースの結果は予想のデータとしては使えないので削除する。
同じデータが名前を変えて入っている（騎手名と騎手コードとか）のでそこも削除する。
あと、Azureの文字コードがUTF-8で、JRA-DatalabがShift-jisなのでこのタイミングでUTF-8に変換しておく。
距離と馬場は合わせたほうが予想できそうと思ったので、抽出するときに1200m芝専用モデルというように作ることにした。
項目の説明はこちらに
http://faqnavi13a.csview.jp/faq2/userqa.do?user=jravan&faq=faq01_target&id=285&parent=20
作成したイメージ
モデル作りとスコア対象
モデルには1200m芝の2008−2018年までのデータを使って作る。
そのモデルを使って2019年の1200m芝のデータを使ってオフラインテストをやって検証することにする。
削除項目
削除した項目をメモしておく。
競馬やっている感で消したものもあるので未来データだけ消しているわけではない。
迷ったのはオッズで、オッズと勝ち負けは絶対相関しているので、オッズを入れると結局オッズで選んだのと一緒になりそうと思った。
なので、オッズありモデル、オッズなしモデルの2つを使って検証することにした。
| 項目名 | 値 | メモ |
| 年 | 19 | 削除 |
| 月 | 11 | 削除 |
| 日 | 17 | 削除 |
| 回次 | 3 | 削除 |
| 場所 | 福島 | 削除 |
| 日次 | 6 | 削除 |
| レース番号 | 12 | 削除 |
| レース名 | 会津特別1000 | 削除 |
| クラスコード | 43 | 削除 |
| 芝・ダ | 芝 | 削除 |
| コースコード | 0 | 削除 |
| 距離 | 1200 | 削除 |
| 馬場状態 | 良 | 削除 |
| 馬名 | バーミーブリーズ | 削除 |
| 性別 | 牝 | |
| 年齢 | 5 | |
| 騎手名 | 西田雄一 | |
| 斤量 | 55 | |
| 頭数 | 16 | |
| 馬番 | 14 | |
| 確定着順 | 1 | 削除 |
| 入線着順 | 1 | |
| 異常コード | 0 | 削除 |
| 着差タイム | 0 | 削除 |
| 人気順 | 7 | 削除 |
| 走破タイム | 69 | 削除 |
| 走破時計 | 1090 | 削除 |
| 通過順1 | 0 | 削除 |
| 通過順2 | 0 | 削除 |
| 通過順3 | 2 | 削除 |
| 通過順4 | 2 | 削除 |
| 上がり3Fタイム | 34.9 | 削除 |
| 馬体重 | 466 | 削除 |
| 調教師 | 青木孝文 | |
| 所属地 | 美 | |
| 賞金 | 1500 | 削除 |
| 血統登録番号 | 14105413 | 削除 |
| 騎手コード | 1004 | 削除 |
| 調教師コード | 1156 | 削除 |
| レースID | 319361214 | 削除 |
| 現馬主名 | 吉田照哉 | |
| 生産者名 | 社台ファーム | |
| 父馬名 | キンシャサノキセキ | |
| 母馬名 | ウィンドハック | 削除 |
| 母の父馬名 | Platini | |
| 毛色 | 鹿毛 | |
| 生年月日 | 140505 | |
| 単勝オッズ | 19.4 | |
| PCI | 47.7 | 削除 |
| 間隔 | 2 | |
| 前走年 | 19 | 削除 |
| 前走月 | 11 | 削除 |
| 前走日 | 2 | 削除 |
| 前走回次 | 3 | 削除 |
| 前走場所 | 福島 | |
| 前走日次 | 1 | 削除 |
| 前走レース番号 | 11 | 削除 |
| 前走レース名 | 河北新Ｈ1000 | 削除 |
| 前走クラスコード | 43 | 削除 |
| 前走芝・ダ | 芝 | |
| 前走コースコード | 0 | |
| 前走距離 | 1200 | |
| 前走馬場状態 | 良 | |
| 前走性別 | 牝 | |
| 前走騎手名 | 西田雄一 | 削除 |
| 前走斤量 | 52 | |
| 前走頭数 | 16 | |
| 前走馬番 | 12 | |
| 前走確定着順 | 2 | |
| 前走入線着順 | 2 | 削除 |
| 前走異常コード | 0 | 削除 |
| 前走着差タイム | 0.1 | |
| 前走人気順 | 14 | |
| 前走走破タイム | 68.4 | 削除 |
| 前走走破時計 | 1084 | 削除 |
| 前走通過順1 | 0 | 削除 |
| 前走通過順2 | 0 | 削除 |
| 前走通過順3 | 8 | |
| 前走通過順4 | 7 | |
| 前走上がり3Fタイム | 34.4 | |
| 前走馬体重 | 464 | |
| 前調教師 | 青木孝文 | |
| 前所属地 | 美 | |
| 前走賞金 | 600 | 削除 |
| 前走騎手コード | 1004 | 削除 |
| 前走競走識別コード | 319311112 | 削除 |
| 前オッズ | 68.7 | 削除 |
| 前走PCI | 48.8 | 削除 |
最終的に出来上がったもの
項目を消して残ったのがこちら、一般的に予想で使うものと思っている。
| 項目名 | 値 |
| 馬場状態 | 重 |
| 性別 | 牝 |
| 年齢 | 3 |
| 騎手名 | 秋山真一 |
| 斤量 | 52 |
| 頭数 | 18 |
| 馬番 | 1 |
| 入線着順 | 1 |
| 人気順 | 4 |
| 馬体重 | 442 |
| 調教師 | 音無秀孝 |
| 所属地 | 栗 |
| 現馬主名 | 吉田照哉 |
| 生産者名 | 社台ファーム |
| 父馬名 | ディープインパクト |
| 母の父馬名 | Giant's Causeway |
| 毛色 | 黒鹿 |
| 生年月日 | 160302 |
| 間隔 | 15 |
| 前走場所 | 京都 |
| 前走クラスコード | 23 |
| 前走芝・ダ | 芝 |
| 前走距離 | 1600 |
| 前走馬場状態 | 良 |
| 前走騎手名 | 松若風馬 |
| 前走斤量 | 54 |
| 前走馬番 | 3 |
| 前走確定着順 | 0 |
| 前走着差タイム | 999.9 |
| 前走人気順 | 0 |
| 前走通過順3 | 0 |
| 前走通過順4 | 0 |
| 前走上がり3Fタイム | 0 |
| 前走馬体重 | 0 |
| 前オッズ | 0 |
