【Python】競艇で機械学習して回収率を出したら想像以上だった

これまで、Pythonをつかって競馬の機械学習にチャレンジしてきました。

【Python】競馬予想で機械学習を使ったら回収率が100％を超えた話

プログラミングで人気言語「Python」で競馬の機械学習にチャレンジ。スクレイピングでデータを取得しロジスティック回帰による機械学習、そして回収率を計算しました。プログラミング初心者でも機械学習ができることを実証できたら嬉しいです。

koji30learn.com

2022.06.27

競馬の機械学習を終えた僕は考えました。
「競馬でできるなら競艇（ボートレース）でもできるんじゃね？」と。

ということで競艇で機械学習して回収率を出してみました。
さきに言っておきますが、競艇は競馬よりも回収率が高かったです。

• 機械学習の流れが知りたい
• 競艇（ボートレース）で機械学習したらどのくらい当たるのか知りたい
• lightGBMの使い方が知りたい

このような疑問をもっている人にオススメの記事となっています。

今回、行った機械学習

今回は、機械学習のなかで教師あり学習の分類をしてみました。

使用した機械学習手法はLightGBMです。

LightGBMはデータサイエンティストや機械学習エンジニアが参加するコンペの上位者のなかでかなり使われているアルゴリズムで、しかも初心者でもカンタンに使えます。

学習に必要なスピードが速いなどのメリットもあり、個人的にお気に入りです。

教師あり学習は正解をあたえるのですが、今回あたえる正解は「着順」です。

表を見てもらえればイメージしやすいかと思います。

このように正解が3つ以上ある「分類」のことを多クラス分類とも呼ぶそうです。

おおまかな機械学習の流れは「データセットの準備→機械学習でモデルを作成→精度を評価」なのですが、もうすこし具体的に説明するとこうなります。

4ステップの作業をするためにPythonファイルを3つ作りました。

機械学習から検証までに「データ収集」や「データの前処理」という作業は何度か出てきます。
そのたびに作業部分をコピペしたり書き直すのがメンドウなので、別ファイルに関数として定義しました。

他のファイルで「mymodule.py」をインポートすれば、いつでも関数（作業をパックしたもの）を呼び出せるので便利です。

データ収集

競艇レースデータは公式サイトからダウンロードしたテキストファイルを使いました。

ダウンロード元：https://www.boatrace.jp/owpc/pc/extra/data/download.html

ページ内の「番組表ダウンロード」と「競争成績ダウンロード」からテキストファイルをダウンロードしてください。

ファイル名は「B210801.TXT」「K210801.TXT」となっていて、それぞれ出走表とレース結果がかかれています。

出走表データ（B）と結果データ（K）からそれぞれ次のデータを抽出しました。

レースIDは日付と会場、何レース目かを合わせて自作してます。
例：2021年8月1日、大村(会場コード:24)の1レース目
　→　レースID ＝ 202108012401

出走表データ（B）と結果データ（K）から取り出したデータ数が同じであるとは限りません。
当日に中止となったレースがあるからです。

そこで2つのデータを結合するときに「選手登番」と「レースID」をキーにしました。

data_merge = pd.merge(data_B,data_K,on=['選手登番','レースID'])

つまり「選手登番とレースIDが同じときに結合するよ」ってことです。

【Python】競艇公式サイトのテキストデータをデータフレームに入れる方法

この記事では競艇（ボートレース）の公式サイトからダウンロードできるテキストデータから欲しい情報を抜き取る方法を解説します。次のような悩みをもつ人にオススメの内容となっています。競艇のデータ分析がやりたいテキストデータから必...

koji30learn.com

2022.06.20

データの前処理

機械学習をするために2種類の前処理をしました。

• カテゴリ変数化
• 偏差値計算

カテゴリ変数化

選手名や会場のように数字で表現されていないものを数字に置き換えます。

どんな数字に置き換えるかを自分で決めたいときはmap関数、なんでもいい場合はscikit-learnのLabelEncoderを使いました。

#元データ df

import sklearn

#ラベルエンコード
list_LabelEncode = ['選手名','支部','天候','風向']
for label in list_LabelEncode:
    le = sklearn.preprocessing.LabelEncoder()
    le.fit(df[label])
    df[label] = le.transform(df[label])

#map関数でのエンコード
place_code = {'桐生':'01','戸田':'02','江戸川':'03','平和島':'04','多摩川':'05','浜名湖':'06','蒲郡':'07','常滑':'08','津':'09','三国':'10','びわこ':'11','住之江':'12','尼崎':'13','鳴門':'14','丸亀':'15','児島':'16','宮島':'17','徳山':'18','下関':'19','若松':'20','芦屋':'21','福岡':'22','唐津':'23','大村':'24'}
class_mapping = {'B2':1,'B1':2,'A2':3,'A1':4}

df['会場'] = df['会場'].map(place_code)
df['級別'] = df['級別'].map(class_mapping)

偏差値計算

レースの勝ち負けを左右するのは勝率などの数字が関係してきます。
ですが、単純に数字が良いから勝てるかと言われるとそうではありません。

大切なのはそのレースに出ている他の選手と比べて数字が良いのか悪いのかですよね。

なので、レースごとに勝率などのデータを偏差値にしました。

#元データ:df

#   艇番   選手名  全国勝率  全国２連率  当地勝率  当地２連率  モーター２連率  ボート２連率
#0   1  角浜　修  5.16  34.48  4.70  18.18    37.50   11.76
#1   2  冨田　祥  2.39   6.82  2.31  12.50    43.75   42.86
#2   3  深山祐二  4.42  27.10  4.53  22.50    13.33   20.00
#3   4  坂井康嗣  4.74  28.32  4.27  13.64    41.18   33.33
#4   5  吉川勇作  3.95  24.69  4.81  28.67    60.00   47.06
#5   6  大内裕樹  3.89  14.63  5.25  41.67    50.00   18.75

#偏差値に変える列名をリストで宣言
list_std = ['全国勝率','全国２連率','当地勝率','当地２連率','モーター２連率','ボート２連率']

#偏差値に変えてdfに戻す
for list in list_std:    
    df_std = df[list].astype(float)
    win_mean=df_std.mean()
    win_std=df_std.std()
    if win_std==0: #もしdf_stdが同じ値だとwin_stdが0になってしまう
        df[list]=50.0
    else:
        df[list] = df_std.apply(lambda x : ((x - win_mean)*10/win_std+50))

#偏差値計算後df

#   艇番   選手名  全国勝率  全国２連率  当地勝率  当地２連率  モーター２連率  ボート２連率
#0   1  角浜　修  61.106940  61.679264  53.759193  45.734662  47.791707  37.959259
#1   2  冨田　祥  32.308602  34.317736  30.623214  40.557927  51.780676  59.730599
#2   3  深山祐二  53.413521  54.378900  52.113538  49.671897  32.365568  43.727614
#3   4  坂井康嗣  56.740405  55.585735  49.596653  41.596919  50.140412  53.059188
#4   5  吉川勇作  48.527161  51.994905  54.824029  55.295217  62.151994  62.670780
#5   6  大内裕樹  47.903370  42.043460  59.083372  67.143378  55.769644  42.852560

LightGBMでモデル作成

今回は目的変数を次のように設定してLightGBMで多クラス分類をしてみました。

モデルの作成には2021年8月1日から31日に開催されたレースデータを使いました。

回収率を計算

検証する日を指定し、その日のレースデータとオッズデータを取得します。

LightGBMで作成したモデルを使って、1レースごとに1〜3着の選手を予測して舟券を1点ずつ買ったと想定して的中率と回収率を計算しました。

舟券の買い方は以下の5つです。

2021年9月1日から7日までの1週間でそれぞれ計算したのを確認してみましょう。

9月1日

9月2日

9月3日

9月4日

9月5日

9月6日

9月7日

正直言ってびっくりしました。
回収率のみグラフにするとこうなります。

たまたまかもしれませんが、ほぼすべての日で回収率を100％超えを達成しました。

特徴量の重要度を確認

機械学習で作成したモデルのimportance（特徴量の重要度）を確認します。

要するに「着順を予想するのにどの特徴量を大切にすればいいのか」ってことですね。

「展示タイム」「モーター2連率」「ボート2連率」の特徴量が大きいことがわかります。

反対に「風」や「波」などの環境条件やレースが開催されている「会場」は予測に影響をあたえていませんでした。

展示タイムはレース直前にわかる情報の1つなので、レース直前データをほかにも入れてみるといいかもしれませんね。k

なお、今回は単純に予想順位が高い選手から買いました。

「さらに買い方を機械学習すれば、回収率が上がるのでは？」と考えて検証した記事を載せておきます。
もしよければ読んでみてください。

【検証】競艇の買い方を機械学習すれば的中率は上がるのか？

先日、競艇データを機械学習して着順を予想する記事をアップしました。回収率が100％を超える日も結構あり、機械学習が予想に使えるんだなと肌で感じられましたね。舟券の買い方は、着順を1着から3着まで予想し単...

koji30learn.com

2021.09.14

まとめ

今回は競艇（ボートレース）で機械学習をして回収率を計算してみました。

3つのファイルをつくって行いました。

同じ作業部分を関数として定義する便利さにハマりそうですね。

「どうしてプログラミング上級者の人はすぐに関数にしたがるんだろう？」と不思議に思っていましたが、納得です笑

もしこれからプログラミングにチャレンジしたい人はいっしょに頑張りましょう。

ではまた。