「AIで競馬予測」の続き記事です。
前回の記事で、データ数が少ないと結論づけました。なので、今回はデータ数を増やします。
前回のデータ数は「139×11」でした。それを「7775×10」に増やしました。
前の数字が、各馬のレース結果。後の数字が、特徴量です。特徴量をひとつ減らしているのは、馬体重です。
目次
実験していく準備
少しだけ調べてみて、ひとまず固定してよさそうな
- テストサイズ・・・30％
- 活性化関数・・・シグモイド関数
- 損失関数・・・平均二乗誤差
- バッチサイズ・・・500
- epoch・・・500
- 隠れ層のドロップアウト・・・50％
これらを固定しておきます。
そのほかの
- 隠れ層の数
- 隠れ層のノード数
を色々と変えて遊んでいきます。
実験だぁ（隠れ層の数）
隠れ層の数を増やしていく。ノード数は100で固定。
僕のパソコンのCPUがしょぼいので、隠れ層の数は7までにします。
隠れ層の数・・・1
Test loss: 0.04816
Test accuracy: 0.12540
隠れ層の数・・・2
Test loss: 0.04807
Test accuracy: 0.12315
隠れ層の数・・・3
Test loss: 0.04800
Test accuracy: 0.12251
隠れ層の数・・・5
Test loss: 0.04807
Test accuracy: 0.12572
隠れ層の数・・・7
Test loss: 0.04900
Test accuracy: 0.08971
実験だぁ（隠れ層のノード数）
隠れ層の数は3層に固定。3層だとディープラーニングって呼べるみたいですからね(笑)
ノード数・・・10,10,10
Test loss: 0.04895
Test accuracy: 0.09518
ノード数・・・50,50,50
Test loss: 0.04817
Test accuracy: 0.12186
ノード数・・・200,200,200
Test loss: 0.04804
Test accuracy: 0.12058
ノード数・・・500,500,500
Test loss: 0.04803
Test accuracy: 0.12540
実験（その他）
隠れ層・・・3
隠れ層のノード・・・1000
おわりに
とりあえずやってみたかったので、正確なグラフの見方は後回しにしていました。なので、今回は結果を書き留めておくだけになります。
おーわり
