学習用ソースコード

以下が「ランキング学習」で学習するPythonのソースコードです。この学習用ソースコードのファイル名は「lambdarank_train.py」とします。

PythonのソースコードはUTF-8で保存する必要があります。

lambdarank_train.py

import pandas as pd
import numpy as np
import lightgbm as lgb
import matplotlib.pyplot as plt

# CSVファイル読み込み
in_file_name = 'lambdarank_train.csv'
df = pd.read_csv(in_file_name, encoding='SHIFT_JIS')

# 説明変数(x)と目的変数(y)を設定
x = df.drop(columns=['query_id', 'target']) # query_idとy以外の特徴量
y = df['target']

# LightGBM ハイパーパラメータ
params = {
  'objective':'lambdarank', # 目的 :ランキング学習
  'metric':'ndcg',          # 評価指標 :ndcg
  'force_row_wise':True     # 行単位の処理を強制
}

# モデルの学習
group = df['query_id'].value_counts().sort_index().tolist() # 各クエリに対するサンプル数
train_set = lgb.Dataset(x, label=y, group=group)
model = lgb.train(params, train_set)

# モデルをファイルに保存
model.save_model('lambdarank_model.txt')

# 特徴量重要度
feature = list(df.drop(columns=['target', 'query_id']).columns)
importance = np.array(model.feature_importance())
df = pd.DataFrame({'feature':feature, 'importance':importance})
df = df.sort_values('importance', ascending=True)

n = len(df) # 説明変数の項目数を取得
values = df['importance'].values
plt.barh(range(n), values)

values = df['feature'].values
plt.yticks(np.arange(n), values) # x, y軸の設定

plt.savefig('lambdarank_train.png', bbox_inches='tight', dpi=500)
plt.show()

学習データを作る

説明変数は他の分析方法と共通にしました。内容は「LightGBMによるAI競馬予想(準備編)」の記事を見てください。学習データのファイル名は「lambdarank_train.csv」とします。

今回のサンプルでは目的変数の「確定着順」を、次のように分類してみます。

1着→3
2〜3着→2
4〜5着→1
上記以外→0

ランキング学習の学習データには目的変数以外に「ラベル」と呼ばれる項目が必要です。ラベルの項目名は「query_id」にしてます。競馬予想におけるラベルとは1つのレースを表す、学習データ内で一意なレース番号みたいなもんです。

PC-KEIBAのWebサイトで、サンプルのSQLを公開しています。ユーザーがカスタマイズして利用することも可能ですし、SQLを学習したい方の参考にもなります。
https://pc-keiba.com/wp/lambdarank/

LightGBMに学習させる

今回の例では、Cドライブの直下に「pckeiba」というフォルダを作って、

学習データ(lambdarank_train.csv)
学習用ソースコード(lambdarank_train.py)

2つのファイルを置きます。こういう状態です。

そして、コマンドプロンプトを起動し、次の2つのコマンドを「1行ずつ」実行してください。

cd C:\pckeiba
python lambdarank_train.py

LightGBMが学習を開始します。処理が終わると「特徴量重要度」を表示します。

モデルを評価する

今回のサンプルに評価指標はありません。

このモデルを「lambdarank_model.txt」に保存しています。このファイルは予想するとき使います。

特徴量重要度

参考として「特徴量重要度」の可視化を実装してます。特徴量重要度をざっくり言うと、重要度が高い説明変数ほど、目的変数である確定着順に対して影響力が強いということです。

これを見ながら説明変数を取捨選択したり、LightGBMパラメータをチューニングしたりします。

今回のモデルによる結果であるため、この結果がすべてのレースに当てはまると言うわけじゃないです。

いろいろ試してモデルの精度に納得したら、これを使って明日のレースを予想させます。

予測用ソースコード

以下が「ランキング学習」で予想するPythonのソースコードです。

PythonのソースコードはUTF-8で保存する必要があります。

lambdarank_pred.py

import pandas as pd
import numpy as np
import lightgbm as lgb
import os
import sys

# 出馬表ファイル読み込み
fname = sys.argv[1]
x_test = np.loadtxt(fname, delimiter=',', skiprows=1)

# モデル読み込み
bst = lgb.Booster(model_file='lambdarank_model.txt')

# テストデータの予測
y_pred = bst.predict(x_test, num_iteration=bst.best_iteration)

# 拡張子を除いたファイル名を取得
fname = os.path.splitext(os.path.basename(fname))[0]

# 予測値を出力
df = pd.DataFrame({'予測値':y_pred})
df.to_csv(fname + '_pred.csv', encoding='SHIFT_JIS', index=False)

出馬表データを作る

予測させる出馬表データは、学習データ作成のSQLと出力後のファイルを少し改造すれば作れます。学習データとの違いは次の3つです。

SQLで目的変数「target」の項目を消す。
SQLで「query_id」の項目を消す。
SQLで予想するレースでレコードの抽出条件を設定する。

出馬表データのファイル名は何でも良いですが、ここでは「レースID(※1).csv」とします。
今回のサンプルでは「2023/02/04(土)小倉12R」を予想してみます。

(※1)レースID
年月日場R
yyyymmddjjrr(12桁)

予測(予想)させる

先ほどと同じ「pckeiba」というフォルダに、

出馬表(レースID(※1).csv)
モデル(lambdarank_model.txt)
予測用ソースコード(lambdarank_pred.py)

3つのファイルを置きます。こういう状態です。

そして、コマンドプロンプトを起動し、次の2つのコマンドを「1行ずつ」実行してください。2番目は、予測用ソースコードの後に、半角スペースと出馬表のファイル名です。

cd C:\pckeiba
python lambdarank_pred.py 202302041012.csv

処理が終わると1つのファイルが出力されます。「予測値」のファイルです。

レースID(※1)_pred.csv (予測値)

このファイルには数値データしか含まれていないので、分かりにくいかもしれませんが、出馬表データと同じ馬番の昇順で出力されます。馬券を買うときは、SQLで馬番と馬名だけの出馬表をCSVに出力して、そこへ貼り付けて予測値で並べ替えると便利です。例えば、こんな感じです。

予測値の上位3頭で、レース結果は3連複の払戻金が16,430円となりました。単勝の人気順は、③⑥⑩の組み合わせでした。

「ランキング学習」による競馬予想AIの話は以上です。

今回のサンプルはあくまで1つの「サンプル」でしかありません。完成させるのはユーザーのあなたです。

LightGBMによるAI競馬予想(ランキング学習)

ランキング学習(lambdarank)