先日リリースされたのでこちらでも環境を刷新しようかと以前の仮想マシンを削除して新たに構築試みました。しかし、インストール後にちょっといじろうとするだけでハング😖 ってかVMWare Workstation Player 17ごと応答なしとなりタスクマネージャーで強制終了する始末。色々と変えながらディストリビューションの別サイトからのダウンロードも試しましたが改善させる事が出来ない。自分が未熟過ぎるのかお手上げです。まあ、ここまでUbuntuは良かったけど、Fedoraとかでも躓いて、どうにもLinuxとはあまり相性は良くない感じ。これもひとえに自分の知識不足からなんだと反省。
とはいえ、Linux環境は1つ位は稼働するものを確保しておきたいと思いMint 21.3 Cinnamonを仮想マシンに入れて無事に稼働させる事が出来ました。これってそもそもUbuntuベース的な物らしいが...稼働させられたけど、日本語入力が分かってないので今後の課題です。
追記 2024.5.12 11:48
ダメ元で再度仮想マシンにインストールを試みてみましたが
色々と悩みましたが自作アプリのソフト登録申請を本日してみました。バグはある程度は取れてると思います。ただ、自分が使う分には想定した使い方してますので、想定されない使い方だとどうなるかは不明です。
使用環境の違いとかでも使い勝手は違うので受け入れられるのかってのもありますが、一応メモリ8GBの仮想マシンにインストールして今フルセットアップ実施してテストしてます。解像度1280x1024が最低限必要ですね。これ、最初1024x768とかで試すとデータベース構築時のダイアログボックスが全く収まりません。なので動作環境として最低1280x1024にしてみました。メモリ8GBも実際にはもっとあった方が良いとは思うけど、OSがメモリスワップしてどうにか動くのかなぁと。うちのPCは64GB積んでますがAutoMLでOutOFMemoryとかなるからキリが無い。通信速度なんかも遅けりゃそれなりだと...ただ、昨今のモバイルでもある程度の速度は出るだろうし実用には問題無いんじゃないかと。
Windows 11を23H2にしてから仮想デスクトップに別々の壁紙設定が出来なかったんですが、昨日ふとこれが修正されて可能になっている事に気が付きました。
リアルな馬券成績がすこぶる悪い😭 そろそろ大きいのが来ないとめげるorz そんな状態なんですが、継続は力なり? 本日も予想的には完璧な予想したりしてるレースもある中、実馬券のヒットがありません。
これ書きながらやっと新潟11Rでヒットがありました😁
まっ、本日プラス収支なのは悪い事ではないけど。明日はもっとじゃないと...まだ天候・馬場が分からない状態での予想になります(天候・馬場も予想ファクターに含まれるのでこれらが確定しないと予想も確定しません)が
改善を求めて色々試してます。ここまで学習データは昨年分までとして、今年の分で検証してきました。ちょっと以前試してた直前月末までのデータを使った学習が気になりやってみたのですが...
ここまでの4月の成績では後者が良いですが、はたして今後がどうかはって感じですね😜
これまで何度も学習させてますが、今やっている学習でトライアルがやけに長いなぁと感じながらふとログ見ると
| Trainer RMSE Duration |
|--------------------------------------------------------------------|
|0 LightGbmRegression 5.0847 40.7800 |
|1 LightGbmRegression 4.0936 43.6350 |
|2 LightGbmRegression 1.5442 446.8570 |
|4 LightGbmRegression 20.8353 42.0520 |
|6 LightGbmRegression 1.5350 286.8530 |
|7 LightGbmRegression 1.5160 259.0370 |
左の数字がトライアルなんだと思うけど、3と5が既に無いですね。これ、もしかするとAutoMLでも起きてるエラーが起きて単にログに出さずに次のトライアルに行ってる感じですね。エラーログとかみないからてっきりModel Builderでは問題無く動いてると思ってましたが、やはり、元が一緒の筈なのでModel Builderだけが特別ではなかった様です😓
それでもAutoMLよりは何となく成績が良いんですよね。何が違うんだろ?
通常用の走破タイム予測学習モデルの様なRMSE値は得られないフル順位予測学習モデルですが、順位予測学習モデルに与えるデータには走破タイム予測が含まれます。ここ最近のベストの走破タイム予測学習モデル(RMSE 1.3871)と新馬戦用走破タイム予測学習モデル(RMSE 1.6493)を使ってここまで出たフル順位予測学習モデルの検証をしてみる。
これだと最適RMSE 3.3771で行くのが良さそうですが、通常用走破タイム予測の方がまだ上なので順位予測は何か考えないといけないです。
痛恨のバク発見!検証処理は当然1レース毎にしてます。前券種100円づつ購入なので枠連発売有無によって8種か7種なので800円か700円なのになぜか700円と600円にしてました。なので券種毎の回収率は問題無いんですが全券種だと問題があります。なのでこれまで記載のトータルでの回収率が間違えでした。
これが現在の検証結果となります。
追記 2024.4.20
やっとフル順位予測学習が終わりました。
|--------------------------------------------------------------------|
| Experiment Results |
|--------------------------------------------------------------------|
| Summary |
|--------------------------------------------------------------------|
|ML Task: regression |
|Dataset: E:\My Project\MBJuniFull\RaceJuniFull.csv |
|Label : Juni |
|Total experiment time : 86400.0000 Secs |
|Total number of models explored: 173 |
|--------------------------------------------------------------------|
| Top 5 models explored |
|--------------------------------------------------------------------|
| Trainer RMSE Duration |
|--------------------------------------------------------------------|
|169 LightGbmRegression 3.4440 695.6100 |
|130 LightGbmRegression 3.4640 619.4950 |
|171 LightGbmRegression 3.4656 694.2620 |
|158 LightGbmRegression 3.4704 641.6450 |
|170 LightGbmRegression 3.4715 748.0690 |
|--------------------------------------------------------------------|
もう何年もアマプラ会員続けてますが、dポイントこれまでもamazonでの買い物でも少量ですが頂いてましたけど、更に貰えるって事で手続きしました。今年の12月まで既存会員契約が年払いなので残ってますが日割りで戻るという事なので、My docomoからアマプラの申し込みし直しました。年5,900円だから491円/月で済んでたのが、600円/月がドコモの回線で決済されます。ここで既に108円余分に払うこのシステム。現状だと多分200ポイント/月程度がマックスなのでペイしないかもなんですが、今年後半にはiPhone16購入してeximoにする事でもう少し貰える様になると信じて先行投資です。
しかし、既存の会費が日割り計算で返金されるってのは元々カード払いになっているので、そこに返金かな? ちょっと心配してたのはAmazon Photosのデータとかがどうなるのか。現時点では普通にアクセス出来てるので大丈夫そう。買い物時の送料は心配してなかったですが...
あまり時間無いので簡単に
|--------------------------------------------------------------------|
| Experiment Results |
|--------------------------------------------------------------------|
| Summary |
|--------------------------------------------------------------------|
|ML Task: regression |
|Dataset: E:\My Project\MBSouha\SouhaTime.csv |
|Label : Souha |
|Total experiment time : 86400.0000 Secs |
|Total number of models explored: 165 |
|--------------------------------------------------------------------|
| Top 5 models explored |
|--------------------------------------------------------------------|
| Trainer RMSE Duration |
|--------------------------------------------------------------------|
|142 LightGbmRegression 1.3871 996.6130 |
|154 LightGbmRegression 1.3872 990.8060 |
|163 LightGbmRegression 1.3874 1029.7310 |
|150 LightGbmRegression 1.3874 932.9300 |
|133 LightGbmRegression 1.3875 935.2990 |
|--------------------------------------------------------------------|
これまで1.4の壁的な感じだったのがあっさりと...
単勝:的中[28.37%] 回収[89.69%] 複勝:的中[59.17%] 回収[89.32%]
枠連:的中[16.16%] 回収[95.77%] 馬連:的中[11.65%] 回収[82.92%]
ワイド:的中[23.88%] 回収[80.57%] 馬単:的中[7.50%] 回収[98.72%]
三連複:的中[6.46%] 回収[90.52%] 三連単:的中[1.38%] 回収[79.73%]
予想[867] 的中[522] (60.21%) 購入[¥599,400] 払戻[¥605,990 (101.10%)]
とまあ、いよいよ60%の大台に到達。この実力はいかに?
追記 2024.4.19 7:53
昨日これ出社前に投稿してましたが、検証が全ての券種で100%未満なのに合計だと101.10%ってバグってますね😨 週末にデバッグしてみます。
アプリ公開に向けて説明記述してて気が付きました。通常用にあると思っていたファクターが抜けてました。チャチャっと修正して現在CSVファイルの出力中です。少し前に終了予定時刻を表示する様にしてあり、開始直後は2日後とか出てましたが諸々した後に再度見たら残り40分程度。34年分の出力で90分程度の様です。そこまで処理した月数に掛った時間から残り月数に掛る時間を計算して表示させてるんですが、開始直ぐはのっそりで色々とキャッシュに乗るとスムーズに出力されてって感じです。まあ、34年分が90分って3分弱/年が遅いのかはなんともです。
今週夜勤なので出社前にはCSV出力終わるので早速Model Builderで24時間学習とかさせてみようかとは思ってます。劇的に精度が上がるとは思ってませんが改善されるのは歓迎です。
アプリ公開の為に色々テストしたりしてます。元々安定していない部分があるアプリなんですが、公開する事に不安材料は沢山あります。Microsoftに報告済みのバグが未修正だったり、使っているNuGetパッケージにもベータリリース含んだり。
インストーラー作成後にそれをダウンロードしてインストールする事で試してました。これ、今までVMwareの仮想マシン上でしてましたが、遅いのでちょっと実機で諸々テストしてます。困った事に開発環境からのデバッグとインストーラーからインストールしたアプリでアプリの設定が共有されてます。このアプリの設定がどこで管理されているのか実は把握してません。レジストリー使っているのかもなんですが、インストーラーでアプリをインストールする時にすべてのユーザーにって選択せずに別ユーザー作成してそちらにWindows上でユーザー切替えしてインストールすれば分けられるかもですが、面倒で試してません。まっ、これ自体は重大な障害ではないので、色々解決した後にでもと思ってます。
そもそも、出馬表を表示する際に機械学習モデルをロードする時に色々とエラーが出たりする事があるのですが、デバッグ時はログ表示されるので色々分かったりします。ただ、分かったからと言って即座に対処出来るかは別なんですが、自分のバグならまだしも、そうじゃない場合は困る。更に同じ事をデバッグ環境とインストールしたアプリでやってもデバッグ環境では問題無く動くのにインストールしたアプリではエラーになるのが本当に苦労してます。
Visual Studio Community 2022 Version 17.9.6現在での話にはなりますが、アプリの発行時の設定方法です。「構成」という項目にこれまで当たり前の選択だと思って"Release | x86"を選んでました。まあ、これ以外にも選択肢は沢山ありますが、基本的にJV-Linkが足かせとなりアプリは32bitに制限されますので"??? | x86"は確定でその中から"Debug | x86"ではないなぁと最初から選択はしてません。今回この選択肢で下の方に行くと"x86 | x86"の存在に気が付いて試した所、ビンゴ!!エラーが発生しないで出馬表が表示される様になりました。
Visual Studioの勉強不足、自分の知識不足、理解不足、それら全てが原因なのかもですがこんな状態でもアプリ公開して良いのか本当に悩む所です。
順位学習も24時間してみました。ちょっと前に69時間程度してたけど、今回は週末の競馬の関係も考えて24時間にしました。
|--------------------------------------------------------------------|
| Experiment Results |
|--------------------------------------------------------------------|
| Summary |
|--------------------------------------------------------------------|
|ML Task: regression |
|Dataset: E:\My Project\MBJuniFull\RaceJuniFull.csv |
|Label : Juni |
|Total experiment time : 86406.0000 Secs |
|Total number of models explored: 149 |
|--------------------------------------------------------------------|
| Top 5 models explored |
|--------------------------------------------------------------------|
| Trainer RMSE Duration |
|--------------------------------------------------------------------|
|147 LightGbmRegression 3.3771 365.0530 |
|143 LightGbmRegression 3.3771 359.2980 |
|141 LightGbmRegression 3.3882 385.9890 |
|144 LightGbmRegression 3.3936 294.8100 |
|124 LightGbmRegression 3.4006 397.2630 |
|--------------------------------------------------------------------|
ちょっとこれまでに無いパターンで2つが同一首位だった。今回の最適RMSE 3.3771はこれまでのを超えたものの3月末までを検証すると
単勝:的中[21.27%] 回収[88.48%] 複勝:的中[48.46%] 回収[89.71%]
枠連:的中[11.11%] 回収[65.81%] 馬連:的中[7.68%] 回収[61.22%]
ワイド:的中[18.86%] 回収[82.18%] 馬単:的中[3.84%] 回収[58.89%]
三連複:的中[4.61%] 回収[80.87%] 三連単:的中[1.10%] 回収[92.68%]
予想[912] 的中[456] (50.00%) 購入[¥630,900] 払戻[¥560,350 (88.82%)]
で、ここまで検証的に良いRMSE 3.4668の検証
単勝:的中[21.38%] 回収[88.56%] 複勝:的中[50.00%] 回収[91.90%]
枠連:的中[12.07%] 回収[77.22%] 馬連:的中[8.00%] 回収[58.02%]
ワイド:的中[19.08%] 回収[83.55%] 馬単:的中[4.06%] 回収[49.92%]
三連複:的中[4.17%] 回収[82.85%] 三連単:的中[0.66%] 回収[50.89%]
予想[912] 的中[468] (51.32%) 購入[¥630,900] 払戻[¥525,820 (83.34%)]
新馬戦は数が限られてますが念の為に24時間してみました。
|--------------------------------------------------------------------|
| Experiment Results |
|--------------------------------------------------------------------|
| Summary |
|--------------------------------------------------------------------|
|ML Task: regression |
|Dataset: E:\My Project\MBShinba\ShinbaTime.csv |
|Label : Souha |
|Total experiment time : 86400.0000 Secs |
|Total number of models explored: 1094 |
|--------------------------------------------------------------------|
| Top 5 models explored |
|--------------------------------------------------------------------|
| Trainer RMSE Duration |
|--------------------------------------------------------------------|
|353 LightGbmRegression 1.6493 47.3240 |
|524 LightGbmRegression 1.6494 102.7630 |
|512 LightGbmRegression 1.6498 102.6670 |
|369 LightGbmRegression 1.6498 45.0750 |
|380 LightGbmRegression 1.6501 47.1910 |
|--------------------------------------------------------------------|
最適は353と全1,094の半分以下でしたので12時間で十分だという結果でした。
単勝:的中[15.56%] 回収[182.00%] 複勝:的中[42.22%] 回収[97.33%]
枠連:的中[6.67%] 回収[33.78%] 馬連:的中[6.67%] 回収[37.33%]
ワイド:的中[15.56%] 回収[202.22%] 馬単:的中[4.44%] 回収[42.67%]
三連複:的中[4.44%] 回収[315.33%] 三連単:的中[4.44%] 回収[1,032.89%]
予想[45] 的中[19] (42.22%) 購入[¥31,500] 払戻[¥87,460 (277.65%)]
これ、実はここまでの新馬戦用最適RMSE 1.6474ってのが2024.3.26にあるんですが
単勝:的中[17.78%] 回収[165.11%] 複勝:的中[40.00%] 回収[89.33%]
枠連:的中[6.67%] 回収[56.67%] 馬連:的中[4.44%] 回収[24.44%]
ワイド:的中[8.89%] 回収[121.11%] 馬単:的中[0.00%] 回収[0.00%]
三連複:的中[2.22%] 回収[174.44%] 三連単:的中[0.00%] 回収[0.00%]
予想[45] 的中[18] (40.00%) 購入[¥31,500] 払戻[¥28,400 (90.16%)]
よりもトータルの的中率は良かったりします。こんなのも悩みの種ですね^^;
Model Builderで走破タイムの学習を２４時間してみました。
|--------------------------------------------------------------------|
| Experiment Results |
|--------------------------------------------------------------------|
| Summary |
|--------------------------------------------------------------------|
|ML Task: regression |
|Dataset: E:\My Project\MBSouha\SouhaTime.csv |
|Label : Souha |
|Total experiment time : 86400.0000 Secs |
|Total number of models explored: 149 |
|--------------------------------------------------------------------|
| Top 5 models explored |
|--------------------------------------------------------------------|
| Trainer RMSE Duration |
|--------------------------------------------------------------------|
|147 LightGbmRegression 1.4038 1071.8800 |
|141 LightGbmRegression 1.4039 1143.1580 |
|136 LightGbmRegression 1.4044 1065.9490 |
|137 LightGbmRegression 1.4049 941.6150 |
|132 LightGbmRegression 1.4050 1009.8740 |
|--------------------------------------------------------------------|
な感じで進展はありました。いつもの検証(2024.1.1～2024.3.224)では
単勝:的中[25.52%] 回収[77.83%] 複勝:的中[55.68%] 回収[86.08%]
枠連:的中[13.37%] 回収[85.70%] 馬連:的中[9.52%] 回収[68.99%]
ワイド:的中[23.81%] 回収[94.85%] 馬単:的中[5.62%] 回収[75.48%]
三連複:的中[5.49%] 回収[50.77%] 三連単:的中[0.98%] 回収[28.30%]
予想[819] 的中[468] (57.14%) 購入[¥566,200] 払戻[¥459,100 (81.08%)]
となりました。ここまでのRMSE 1.4085はトータルでの的中率は上でしたが、今回のは部分的に向上してる部分もあり比較が微妙です。自分としてはメインなワイドが前回の23.44%な的中率から少し向上してる辺りは採用するに値するかなぁっと。
にしても、1.4の壁はなかなか厚いのかなぁ...
ここ最近、スマートホーム化とか色々しててってのもあるんですが、実際の所、iPhoneをまだまだ使いこなせてなかったなぁって話です。
まずは通勤中のマイカー通勤時の事なんです。昨年11/15に書いてますが、車載のデバイス購入してまして、FMトランスミッター使えばiPhoneの音楽再生をBluetoothで飛ばしたものをFMで受信して音楽再生が可能です。何度か手動で利用してましたが、iPhoneのオートメーションを利用すると簡単なので続けてます。デバイスは
これ以外にも、アラームを日勤でも夜勤でもセットしてそれをオフにした時に
新築した自宅自室のベッドを購入しました。介護ベッド的に今後を考えての購入。ってか、まあ、何度か入院した時に感じたのはリクライニングベッドは良いなってね😁 で、色々と探してたんです。安いのは３万円程度のものから１０万円以上する有名ブランドのものとか。把握出来たのは、２モーターじゃなきゃダメなのと、操作リモコンの位置等に注意が必要な事。で、選んだのが
今回特に買い回り無視での月曜日の発注でした。まっ、その辺りの判断は微妙なんですが、72,980円の商品です。手持ちのポイント2,000ポイント使用して70,980円で購入(送料込)。記憶が正しければ当日ポイント12倍で楽天最強プランも有り素で6,630ポイント(直で付与された)がついて後日追加でって事だと。まっ、実質6万円程度での購入にはなったと思います。
フレームは確かに滅茶苦茶重いです。大人二人で作業って言われてますが、佐川の配達した方は普通に一人で玄関に届けて頂き、そこから自室にどうにか移動。新築の家なので当然床ってか廊下に細心の注意を払い移動。横向きに引き出せる様に箱を設置し開封。横に引き出してビニールを外し、マックスの脚ではなく1つ外したものを6本準備して装着。これの前に二つ折りのフレームを固定するボルト(?)をセット。大人一人でも作業は完了しました。微妙にマットレスは同じ日時指定なのに別便での配送になりましたが、マットレスも少し後に配送され、圧縮状態でしたが、カッターナイフは使わないって事が指示されてましたのでハサミで行い即座に元に戻りました。
停電時用に9Vの角電池2個が付属してましたが、セットせずに普通にコンセントに繋げて問題無く動作してます(うちは一応蓄電池装備してるので、ちょっとした停電ならその蓄電池で行けると判断)。iPhoneに専用アプリを入れて操作するので本来のリモコンには電池入れてません。単4を2本だと思います。エネループもあるんですが、スマホで操作すると思うので入れてません。
妻的にはマットレスが柔らかいと言ってましたが、自分には全く問題無かったです。1晩寝てみても問題無い感じです。まっ、昨晩は酔っぱらって寝落ち状態で深夜にフラットに戻して寝続けました😁
今月から俺プロで使う予想を順位予想ではなく走破タイムにしてみてます。若干的中率が高いのが理由なんですが、微妙に回収率が上がらない😓 ここまでで５段まで来てますがさらに上目指して続けてみます。
桜花賞ですが、
自分なりに予想してみると
RMSE値が微妙なのでちょっと検証一覧に。
SouhaTime3000_15209.zip 1.55MB
単勝:的中[24.80%] 回収[89.34%] 複勝:的中[52.36%] 回収[81.72%]
枠連:的中[14.77%] 回収[93.50%] 馬連:的中[10.61%] 回収[91.48%]
ワイド:的中[22.49%] 回収[81.73%] 馬単:的中[6.23%] 回収[105.13%]
三連複:的中[5.31%] 回収[128.37%] 三連単:的中[1.27%] 回収[204.39%]
予想[867] 的中[471] (54.33%) 購入[¥599,400] 払戻[¥752,190 (125.49%)]
SouhaTime3600_15172.zip 10.3MB
単勝:的中[19.15%] 回収[78.14%] 複勝:的中[46.25%] 回収[78.10%]
枠連:的中[9.97%] 回収[72.10%] 馬連:的中[6.69%] 回収[75.66%]
ワイド:的中[17.19%] 回収[79.17%] 馬単:的中[3.69%] 回収[86.30%]
三連複:的中[4.27%] 回収[68.67%] 三連単:的中[0.92%] 回収[63.39%]
予想[867] 的中[413] (47.64%) 購入[¥599,400] 払戻[¥516,120 (86.11%)]
SouhaTime4000_14785.zip 16.7MB
単勝:的中[21.68%] 回収[74.51%] 複勝:的中[52.25%] 回収[85.31%]
枠連:的中[11.11%] 回収[73.64%] 馬連:的中[8.07%] 回収[78.59%]
ワイド:的中[20.76%] 回収[80.95%] 馬単:的中[5.07%] 回収[115.79%]
三連複:的中[4.50%] 回収[75.18%] 三連単:的中[1.15%] 回収[221.63%]
予想[867] 的中[466] (53.75%) 購入[¥599,400] 払戻[¥692,920 (115.60%)]
SouhaTime4500_14675.zip 131MB
単勝:的中[22.49%] 回収[90.14%] 複勝:的中[50.06%] 回収[84.36%]
枠連:的中[11.62%] 回収[72.41%] 馬連:的中[8.07%] 回収[62.86%]
ワイド:的中[19.49%] 回収[69.94%] 馬単:的中[3.81%] 回収[57.38%]
三連複:的中[5.42%] 回収[74.89%] 三連単:的中[1.50%] 回収[72.66%]
予想[867] 的中[447] (51.56%) 購入[¥599,400] 払戻[¥501,460 (83.66%)]
ML.NET version 4.0.0-preview24162.2での通常版学習モデルの検証結果を少しまとめてみます。現時点で一番良さげなのは3,000秒x?回で2024/03/23にRMSE 1.5209だったモデルです。
SouhaTime3000_15209.zip 1.55MB
単勝:的中[24.66%] 回収[86.86%] 複勝:的中[52.26%] 回収[81.56%]
枠連:的中[14.84%] 回収[91.35%] 馬連:的中[10.74%] 回収[93.50%]
ワイド:的中[22.59%] 回収[83.47%] 馬単:的中[6.35%] 回収[109.76%]
三連複:的中[5.13%] 回収[132.81%] 三連単:的中[1.34%] 回収[216.37%]
予想[819] 的中[444] (54.21%) 購入[¥566,200] 払戻[¥727,080 (128.41%)]
SouhaTime4000_14785.zip 16.7MB
単勝:的中[21.73%] 回収[74.80%] 複勝:的中[52.26%] 回収[85.87%]
枠連:的中[11.23%] 回収[75.27%] 馬連:的中[7.94%] 回収[79.35%]
ワイド:的中[20.76%] 回収[82.59%] 馬単:的中[5.13%] 回収[117.88%]
三連複:的中[4.64%] 回収[78.03%] 三連単:的中[1.22%] 回収[234.62%]
予想[819] 的中[441] (53.85%) 購入[¥566,200] 払戻[¥673,120 (118.88%)]
SouhaTime3600_15172.zip 10.3MB
単勝:的中[18.56%] 回収[77.30%] 複勝:的中[45.67%] 回収[78.18%]
枠連:的中[10.16%] 回収[73.62%] 馬連:的中[6.59%] 回収[77.11%]
ワイド:的中[17.09%] 回収[81.10%] 馬単:的中[3.54%] 回収[86.48%]
三連複:的中[4.03%] 回収[68.96%] 三連単:的中[0.85%] 回収[57.23%]
予想[819] 的中[386] (47.13%) 購入[¥566,200] 払戻[¥486,160 (85.86%)]
追記 2024.4.7 8:41
もう少しで終わる4,500秒×20回で
SouhaTime4500_14675.zip 131MB
単勝:的中[22.34%] 回収[89.54%] 複勝:的中[49.82%] 回収[84.46%]
枠連:的中[11.36%] 回収[69.76%] 馬連:的中[7.81%] 回収[61.83%]
ワイド:的中[19.29%] 回収[69.96%] 馬単:的中[3.79%] 回収[57.56%]
三連複:的中[5.37%] 回収[70.54%] 三連単:的中[1.34%] 回収[51.99%]
予想[819] 的中[420] (51.28%) 購入[¥566,200] 払戻[¥450,110 (79.50%)]
今週は夜勤でもう直ぐ出勤時間になるので残り3時間程度でしたが中断させました。69時間程度学習させてた訳ですが
|--------------------------------------------------------------------|
| Experiment Results |
|--------------------------------------------------------------------|
| Summary |
|--------------------------------------------------------------------|
|ML Task: regression |
|Dataset: E:\My Project\MBJuniFull\RaceJuniFull.csv |
|Label : Juni |
|Total experiment time : 249202.0000 Secs |
|Total number of models explored: 933 |
|--------------------------------------------------------------------|
| Top 5 models explored |
|--------------------------------------------------------------------|
| Trainer RMSE Duration |
|--------------------------------------------------------------------|
|791 LightGbmRegression 3.4759 230.0530 |
|779 LightGbmRegression 3.4765 230.0350 |
|795 LightGbmRegression 3.4767 229.3050 |
|790 LightGbmRegression 3.4800 237.7910 |
|789 LightGbmRegression 3.4815 232.0780 |
|--------------------------------------------------------------------|
こんな感じでこれ以上の結果が望めないとの判断に至りました。それと、もし明日朝近くまででしたら無駄に思わなかったのですが、出勤時間後3時間弱で終わるんですが、その後10時間程度は単に無駄にPCの電源が入った状態が続くのも気が引けたのも理由です。
今回の最適RMSE 3.4759はこれまでで3番目の結果です。学習モデルは非常にコンパクトでこれまで最高だったRMSE 3.4594のモデルが18.6MBなのに対し、たったの1.22MBです。この検証は
単勝:的中[17.94%] 回収[66.59%] 複勝:的中[46.30%] 回収[84.32%]
枠連:的中[12.86%] 回収[89.29%] 馬連:的中[8.56%] 回収[89.73%]
ワイド:的中[18.40%] 回収[87.15%] 馬単:的中[3.47%] 回収[84.14%]
三連複:的中[3.94%] 回収[110.69%] 三連単:的中[0.58%] 回収[62.41%]
予想[864] 的中[413] (47.80%) 購入[¥597,700] 払戻[¥576,280 (96.42%)]
でした。なにかもうひと工夫が必要かも。
アプリ公開するかどうかは依然不透明な状況なんですが、インストーラー作成して仮想マシンにインストールするテストをしてます。これによって洗い出されるバグが結構あります。まあ、以前にも詳細モードの表示なんかは試してたのですが、最近頻繁に使用する簡易モードはテストしていなかった為、色々と処理の漏れが見つかり修正してます。
ソースに修正を加えてビルドしたり再発行したのちにインストーラーの構築。このインストーラー作成に使っているInno Setupがってかまあアプリもデカくなってますし仕方がないのかもですが、１５分程度掛かります。ちょっとしたミスをしてやり直しての繰り返しであっという間に時間が過ぎます。修正の度にバージョン管理をしっかりやっていれば何度してるかとか分かったりするとは思いますが、やってません(笑)
どこまでテストが完璧に出来るかは重要なんですが、なかなか限られた時間では限界もあるかもです。そんなのも公開に踏み切るかのカギではあるんですけどね。まずは最低限動作するものを仕上げたいと思ってます。
追記 2024.4.16 16:55
Inno Setupでのインストーラー作成に15分掛かると書いてましたが、ここ最近は7分程度です。もしかしたら、当時見間違えて書いたのかも...
