SVMを用いた競馬予想アルゴリズムの開発メモ

はじめに

• サポートベクターマシン（英: support-vector machine, SVM）は、1963年にウラジミール・ヴァプニクによって発案された教師あり学習を用いるパターン認識モデルの一つである。
  当初は線形判別だけだったが、非線形な分類や回帰へ適用できる。

ちょい理論

• SVMはロス関数としてヒンジロス(hinge loss)を採用している。

  • モデル式を
    $$
    {f(x) = w^{\mathrm{T}}x}+b
    $$
    とする。このとき、損失関数は

• $$
  Loss_{hinge} = max(0,1-y(f(x)))
  $$で定義される。

モデル

• ラベルの不均衡にへの対処として、ダウンサンプリングを実施。（n≒33000）

• 言語はPython。

• 視覚化するために、説明変量（特徴量）は2つとする。

  • オッズと人気順を特徴量とし、3着以内にゴールした馬かどうかを目的変量とし、モデル評価と非線形判別結果の視覚化を行う。

ACC

• accuracy = 0.6747189304162868

• precision = 0.6321664129883308

• recall = 0.46806912096168296

• f1 score = 0.5378804230520182

結果（視覚化結果）