Q&A
具体的なアドバイス頂き誠にありがとうございます。手を動かしながら覚えた方が良いのは経験的にも実感していますし、こうしてプロセスを挙げて頂いたことで何を学習するべきか明確になりました。
普段はWeb、アプリエンジニアをしています。
近頃は機械学習の勉強を始めて、入門サイトや入門書で有名な「ゼロから作るDeep Learning」などを読み終わりました。
書籍にはサンプルプログラムとして画像識別が掲載されており、それを自分なりに応用することはできるようになりました。
現時点で業務と直結しているわけではないものの、趣味としてスポーツの勝敗予想を機械学習でやりたいと考えているのですが、具体的にどんなことを学習・実装すれば良いのかというところで躓いてしまいました。
近いものとして、ウェブ上には競馬の予想プログラムの実装についてのプレゼンや理論解説が掲載されており、それを糸口にしようとしたものの、いかんせんコード自体が公開されておらず、そもそもどこから手を付けて良いのかがわからない状態です。
プロスポーツの勝敗予想を行いたいのですが、この場合どのような学習プロセスを踏めば良いのか、オススメのサイトや書籍、あるいはどんな学習をするべきかというアドバイスを頂けないでしょうか。
抽象的な質問で申し訳ありませんが、ご回答頂けると幸いです。よろしくお願いします。
回答3件
0
既に勝敗予測までの流れ、手法は紹介されていたようなので実際にやってみた例や論文でまとまっているもの等を調べてみました、参考になれば。
さくっと調べるとこんなのが見つかりました。(Google検索 - win loss predict model)
-
konakalab(スポーツの分析やってます．)(このサイトは直近のカーリング男子・女子の勝敗予測をされていて興味深いですね)
やっぱり通し(データ収集、モデル構築、予測、結果、考察)でまとまっている文献などを探そうとすると日本語だけだと厳しいですね。
投稿2018/03/11 02:58
総合スコア1170
0
ベストアンサー
やりたい『プロスポーツの勝敗予想』があるのであれば、とりあえずモデル構築に至る一連の作業を順序通りに着手してはいかがでしょうか。具体的には以下のイメージです。
1.データを取得する。手元にデータがなければ話にならないので勝敗と試合に関連するものが含まれたデータを収集します。
2.データの特徴や特性を把握する。いろいろな可視化手法を通じてデータの特徴や特性をつかみます。これにより、勝敗の予測に用いると良さそうな説明変数と適用する機械学習の手法を決定します。
3.データクリーニングなどの準備を行う。
4.モデルを作成して学習を行う。
5.結果を評価し、適宜、項番1～3に戻ってチューニングする。
追加的に学ぶべきことは、いろいろあるかもしれませんが、上記のプロセスを進めながらわからないことがあったら、その解決のためにサイトを見たり専門書籍から基礎的な部分から学習するというもので構わないと思います。そのほうが、少なくとも学ぶべき目的とゴールが具体化されているのでどこから着手すべきかもわかりやすくなっているはずです。
投稿2018/03/10 18:34
総合スコア3376
0
私もWEBエンジニアでありながら最近機械学習を勉強しているので、参考になれば。
DeepLearningは派手ではありますが、まずは機械学習の基礎を勉強をされてはいかがでしょうか。
私が読んだ本で参考になったのは以下２冊です。
仕事ではじめる機械学習
⇒通常機械学習の本は手法だけにフォーカスがあたっていますが、こちらの本は機械学習全般について触れられており、読んだ後は一段目線が高くなった気がします。
Pythonではじめる機械学習 ―scikit-learnで学ぶ特徴量エンジニアリングと機械学習の基礎
⇒一回読んだだけではなかなか理解が難しかったですが、読めば読むほど、手を動かせば動かすほど発見があり、スルメのような本です。
投稿2018/03/10 15:12
総合スコア767
ありがとうございます。前者の本は既に読んでいて、後者の本を購入して読み進めていますが、実践的な内容がたくさん掲載されていて凄く参考になっています。
あなたの回答
tips
プレビュー
バッドをするには、ログインかつ
こちらの条件を満たす必要があります。
退会済みユーザー
2018/03/12 03:55