【競馬予測】統計を使って予想してみた～その１～

私は、競馬初心者なのですが、前から過去の大量のデータを用いて統計的に競馬の予測をすれば、回収率が１００％を超えるようになるのではないかと漠然と思っていました（思っていただけで、行動はしてなかった汗）。

そんなとき、あるブログで統計的に競馬の予測をしている記事をみつけたので、参考にさせて頂くことにしました。

競馬の予測をがちでやってみた

データの取得とクリーニング

まず、予測に用いる過去のデータを以下のサイトから取得します。

http://db.netkeiba.com/?acc_param=db

次に、データのクリーニングをして、データベースに入れます。

なんと、ここまでを自動でやってくれるスクリプトを作成してくれているので、ありがたく使わせて頂きました。

以下の GitHub からスクリプト一式をダウンロードします。

https://github.com/stockedge/netkeiba-scraper

スクリプトは Scala で書かれていて、データベースは SQLite を使っています。Scala のインストール方法と SQLite の基本操作はそれぞれ以下の記事にまとめました。

Scala のインストールについて

SQLite 基本的な操作について

SQLite の GUI管理ツールのインストールについて

Scala がインストールできれば、README.md に記載されている以下のコマンドを順番に実行していけばデータが SQLite に保存されました（時間は結構かかりました）。

#使い方
以下のコマンドを上から順に実行していけば最後に素性が作成される。

sbt "run collecturl"

レース結果が載っているURLを収集して「race_list.txt」に保存する。

sbt "run scrapehtml"

レース結果のHTMLをスクレイピングしてhtmlフォルダに保存する。HTMLをまるごとスクレイピングするので結構時間がかかる。

sbt "run extract"

HTMLからレース結果を抜き出しSQLiteに保存する。

sbt "run genfeature"

レース結果を元にして素性を作りSQLiteに保存する。

データベースを見てみる

スクリプトを実行して、無事 SQLite にデータが保存されたようなのですが、どんなデータが入っているか分からなかったので、データベースやテーブルの構造から確認することにしました。

まず、ディレクトリ構造ですが、スクリプトを実行した後は、「netkeiba-scraper-master」ディレクトリは以下のようになっていました。

「race.db」が SQLite  のデータベースファイルになります。

「race.db」の中には、以下の４つのテーブルがありました。

• feature
• payoff
• race_info
• race_result

次回、実際に各テーブルにどんな情報が入っているかそれぞれ確認していきます。