「AIで競馬予測」データ数を増やしてみた

 

「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。

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。

なんとなく、3層でノード数は100がよさそう?

おーわり