自作競馬予想AIの不具合を修正しました２０１９年に何があったの？ ④

こんにちは、鹿児島弁で「がんばる・兄さん」ことハメッケ・アイアンです。

当ブログをご覧いただきありがとうございます。

さて、前回の記事で「２０１７年のレースデータを除外してみる」という結論に至り、そのデータでAIを再度学習させよう！ということを宣言しました。

その結果を発表したいと思います。

１．２０２０年の上半期データを使って検証

かなり改善してきました！（図１）

２０１７年が入っているデータで学習させたAIでは２２開催のうち３回がWIN5を達成しました。その達成率は１３％。

２０１７年を除外した場合は３６％になりました

※開催数が増えているのは常に最新の開催数で検証しているため

ちなみに、今回の修正は以下のようなイメージです（図２）。

そして、新たな問題が発覚しちゃいましたね。

これが問題ですね！

この事についてもう少し考えてみます。

前回の記事では２０１７年は短期免許騎手の騎乗数が少ないことが原因では？という仮説を申し上げました。

今回はその仮説に基づいて、２０１７年のデータを使わなかった。

ということは、来年用のAIであるAI２０２１を作る時は、以下のどちらかの対策を考えればいいと思います。

①2020年（今年）の短期免許騎手の来日が少ない、もしくは同騎手たちの成績が悪い場合は2020年の成績を除いてAIを作る。

→今年はコロナ騒ぎで来日は減るかもしれません。あとレーン騎手が不振気味です。よって３年データが正直微妙ですね。

②AI開発用のデータ量を増やす。具体的に言うと、３年ではなく６年分のデータで学習させれば、2017年（仮に2020年も不足データであった場合）が不十分なデータであったとしても、平均化されるので、より安定化すると考えられます。

→こちらが本命になりそうです。

実はAI開発の当初は６年データを使っていました。それがどうして３年データに移行したかというと、、、、

結局６年データは当初はあまり当たらなかった。だから３年データに移行した。それだけのことでした。

しかし今回の検証で３年データの本質が分かってしまいました。

なぜ、よく当たるのか？

理由：たまたまデータが良かっただけ。偶然の要素が強い。

欠点は？

欠点：安定性に欠ける。

これらの本質が今回判明したので、６年データの方が信頼できそうです。（平均化されるので特定の年のデータが不良でも吸収できる）。

よって、今後の方針が見えてきました。

６年データを使ってのAI学習と、検証は時間がかかるので、今回の不具合シリーズとは別記事で発信していこうと思います。

今しばらくはAI2019での運用が続きますが、ご了承ください。

ではまた！