【PyCon JP 2018】データサイエンスで競馬の結果を予測する、機械学習モデルの構築プロセス
2018年9月17日から18日にかけて、日本最大のPythonの祭典、PyCon JP 2018が開催されました。「ひろがるPython」をキャッチコピーに、日本だけでなく世界各地からPythonエンジニアたちが一堂に会し、様々な知見を共有します。プレゼンテーション「実践・競馬データサイエンス」に登壇したのは、貫井駿氏。人工知能（AI）による競馬の予測モデル構築において発見した、実践的なノウハウを紹介します。講演資料はこちら 競馬×データサイエンス 貫井駿氏（以下、貫井）：「実践・競馬データサイエンス」と題しまして、AlphaImpactの貫井が発表します。今回の資料は後日公開する予定なので、写真は撮らなくても大丈夫です。 まず自己紹介ですが、貫井駿と申します。 専門は機械学習をやっていまして、仕事は、まず本業でFringe81という会社でアドテックとHRテック領域のデータサイエンティスト
大井競馬で帝王賞を機械学習で当てた話 - Qiita
概要 大井競馬場に行く機会があったので、機械学習を使って競馬の結果を予測できるかをやってみました。 その結果、帝王賞で一位を当てることができたので、記事を書きます。 かなり適当な予測なので、遊びとして見てもらえたらと思います。 証拠 当たったという証拠に、記念でとった馬券画像。 機械学習で予測したものと、パドックを見て予測したものと、２つ買いました。 (びびって複勝、しかも300円) 問題の設定 大井競馬場で行われる帝王賞の１位のみを当てます。 競馬には、色々な馬券の買い方がありますが、今回は簡単でシンプルな問題設定としたかったので、1位のみを予測することにしました。 データの取得 教師あり学習を行うので、過去の競馬結果のデータが必要です。 こちらのサイトからデータをクローリングしました。 南関東4競馬場公式ウェブサイト レース情報のページから、レースに出る馬の過去情報があるページへのリン
機械学習を使って東京23区のお買い得賃貸物件を探してみた - データで見る世界
さて、改めて今回の目的を確認しておくと、機械学習を使って東京都23区のお買い得賃貸物件を発見しよう、というものです。前回までの記事で、お買い得賃貸物件を発見するためのデータを収集し、分析にかけられるよう前処理してきました。 www.analyze-world.com www.analyze-world.com 今回の記事では、いよいよ機械学習を使って分析していきましょう。前回まではPythonを使っていましたが、この分析ではRを用いています。なお、コードはGitHub（https://github.com/ShoKosaka/Suumo）に上げておきますので興味ある方は参照ください。 最初に、データの中身をざっくり見ていきます。具体的には、分析のキーになるポイントをグラフにしながら、賃貸物件の現状や変数同士の関係性を把握していきます。 データ探索 まず、23区の中でどこが物件数が多いのかを
UNITOGEL : Daftar UNITOGEL, Login UNI TOGEL, Link Alternatif UNITOGEL Resmi
Selamat datang di blog resmi UNITOGEL! Apakah Anda pecinta togel online yang sedang mencari bandar terpercaya? Jika iya, maka Anda telah datang ke tempat yang tepat. Di sini, kami akan membahas tentang UNITOGEL, bandar togel online terkemuka di Indonesia. Apakah Anda ingin menikmati pengalaman bermain togel online dengan aman dan nyaman? UNITOGEL adalah pilihan terbaik untuk Anda. Dengan reputasi
入力データの構造に着目した畳み込みニューラルネットとリカレントニューラルネット - HELLO CYBERNETICS
リカレントと畳み込みの共通点 リカレントネットワークのデータについて 入力データ（2階テンソル） 出力データ １階のテンソルを出力するケース 2階のテンソルを出力するケース 未来予測に使う場合（若干脱線） 畳み込みニューラルネット 入力データ 出力データ 2階のテンソルを出力 出力を1階テンソルにしてしまう リカレントと畳み込みの応用 リカレントネットの画像処理への応用 mnistデータに対するリカレントネット 時系列データに対する畳み込みニューラルネット モデルを詳しく見る 学習スピードについて 最後に リカレントと畳み込みの共通点 リカレントと畳み込みの共通点は入力データを2階のテンソルとして受け取ることです。 例えばリカレントであれば、D次元のベクトルを１つのデータ点としてこれらを並べた時系列データを入力に持ちます。 一方で畳み込みならば、M×Nピクセル（多くの場合はM=N)の2階テ
【教師なし学習・クラスタリング】K-means - HELLO CYBERNETICS
はじめに K-means K-meansの働き K-meansの概要 K-meansの詳細 １．初期化 ２．クラスターへの割り当て ３．重心の更新 ４．「２．」と「３．」を繰り返す K-meansの欠点 K-meansの改良 混合ガウスモデル はじめに 近年の機械学習は専ら教師あり学習に話題が集中しています。 しかし、実際のデータは必ずしもラベルを正確に付与できるとは限りません。多くのデータはなんだかよくわからないが手元にある状態で、そのデータはいくつかの塊に分けられると（あるいはいくつかのデータの源がある）考えられます。 そのようなときに使える機械学習の手法が、教師なし学習であり、その一種であるクラスタリングは、ラベルの付与無しに、データをいくつかの塊（クラスター）に分けます。 今回はクラスタリングで最も基本的な手法であるK-meansを紹介します。 K-meansは混合ガウスモデルの特
Deep learningの概要とドメインモデルの変遷
Deep Learningの概要、最近の成果と、フレームワーク実装者の視点で見たドメインモデルの変遷について。
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
