エントリーの編集
エントリーの編集は全ユーザーに共通の機能です。
必ずガイドラインを一読の上ご利用ください。
LightGBMによるAI競艇予想(チューニング編) - Qiita
記事へのコメント0件
- 注目コメント
- 新着コメント
このエントリーにコメントしてみましょう。
注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています
- バナー広告なし
- ミュート機能あり
- ダークモード搭載
関連記事
LightGBMによるAI競艇予想(チューニング編) - Qiita
LightGBMチューニングの知識 「PC-KYOTEI Database」と「LightGBM」を使って、優れたAI競艇予想を作るた... LightGBMチューニングの知識 「PC-KYOTEI Database」と「LightGBM」を使って、優れたAI競艇予想を作るために、最低限必要なチューニング方法をまとめました。チューニングを習得するためには、以下の2つの概念を理解する必要があるので、まずこれらを説明します。 決定木 過学習 決定木 「決定木(けっていぎ)」は「Yes/No」の質問を連続的に行い、データを効率よく整理して目的の結果に導く方法です。これは、LightGBMアルゴリズムの核でもあります。 例えば、競艇予想の場合、決定木は異なる属性(例:レース成績、艇番など)に関する質問を通じて、レース結果を予測します。優れた決定木を構築することで、予測の精度が向上し、レース結果をより正確に予測できるようになります。 過学習 「過学習(かがくしゅう)」とは、機械学習モデルが学習データを過剰に学習しすぎて、未知のデータに対応