学習するためのコードを作成するので、その目的などを明確にしてみました。
超概要
目的：競馬の着順予測モデルを構築する
解決する課題：多様な馬・騎手・血統・レース環境情報を統合して精度の高い予測を行う
入力データ：過去レース結果 (horse_db.csv)、血統情報 (bloodline_id_data.csv)
出力データ：学習済みモデル (transformer_model.pth)、特徴量情報（JSONファイル群）
使用技術：Python（PyTorch, pandas, NumPy, scikit-learn）、LSTM＋SetTransformer＋スタッキング
そして、具体的なフローの考え方もまとめてみました。
具体的なプログラムの方法や仕様
デバイス設定：GPU利用可否を確認し、CPU/GPUを自動切替
データ読み込み：過去レースデータ・血統データを読み込み結合
特徴量生成：日数差、標準化上り、距離カテゴリ、血統得意距離/脚質/馬場、騎手勝率、相対特徴量などを作成
前処理：不要列削除、ラベルエンコード、スケーリング、シーケンス展開
データ分割：時系列ホールドアウト＋レース単位分離で訓練・検証・テストに分割
Embedding情報作成：カテゴリ特徴をEmbeddingに変換するための辞書と次元情報を保存
モデル構築：
・LSTM＋SetTransformerによるハイブリッドモデル
・Self-Attention版とSetTransformer版を作成しスタッキング
学習：Pairwise Ranking Loss＋Top-1 Loss＋NDCG@3 Lossを組み合わせて最適化
検証とEarlyStopping：検証用データでNDCG@3をモニタし改善が止まれば学習終了
保存：学習済みモデル（transformer_model.pth）と特徴量情報をJSONで出力
これをベースに、まずは学習コードをまとめていきます！
コメント