学習する（１:GPU/CPU自動切替）

device = torch.device("cuda" if torch.cuda.is_available() else "cpu")

print("CUDA available:", torch.cuda.is_available())
print("Torch version:", torch.__version__)
if torch.cuda.is_available() and torch.cuda.device_count() > 0:
    print("GPU:", torch.cuda.get_device_name(0))
else:
    print("GPU: None")

data = pd.read_csv(
    "horse_db.csv",
    encoding="utf-8-sig",
    index_col=False,
    dtype={"レースID":str,"騎手ID": int, "調教師ID": int, "馬主ID": str}
)

print("✅ 過去データの前処理")
epoch_start1 = time.time()
sequence_length = 3
data["日付"] = pd.to_datetime(data["日付"])

# 日数差計算
data["日数差"] = data.groupby("馬ID")["日付"].diff().dt.days.fillna(0).astype(int)
data["日数差_norm"] = data["日数差"] / max(data["日数差"].max(), 1)

# 不要列削除
data.drop(columns=["レース名", "タイプ", "着差", "賞金", "馬主ID", "枠番", "左右", "クラス"], inplace=True)

# NaNの走破タイムを削除
data = data[data["走破タイム"].notna()]

# 数値変換（まとめて）
fill_values = {"着順": 0, "斤量": 55.0, "馬体重": 470.0, "上り": 0}
data = data.assign(**{col: pd.to_numeric(data[col], errors="coerce").fillna(val) for col, val in fill_values.items()})
data = data[data["着順"] > 0]

# 新しい特徴量
data["斤量_馬体重比"] = data["斤量"] / (data["馬体重"] + 1e-3)
data["性"] = data["性齢"].str[0]
data["年齢"] = data["性齢"].str[1:].astype(int)

# 年齢層（np.selectで高速化）
data["年齢層"] = np.select(
    [data["年齢"] <= 3, data["年齢"] <= 5],
    ["若駒", "壮年"],
    default="ベテラン"
)

# 距離カテゴリ（np.selectで高速化）
data["距離カテゴリ"] = np.select(
    [data["距離"] <= 1400, data["距離"] <= 1800, data["距離"] <= 2200],
    ["スプリント", "マイル", "中距離"],
    default="長距離"
)

# クロスカテゴリ（value_countsを1回ずつ）
def create_cross_feature(df, col1, col2, min_freq=30):
    cross = df[col1].astype(str) + "_" + df[col2].astype(str)
    freq = cross.value_counts()
    return np.where(cross.isin(freq[freq >= min_freq].index), cross, "other")

cross_features = {
    "距離Cx芝ダ": ("距離カテゴリ", "芝ダ"),
    "天候x馬場": ("天候", "馬場"),
    "競馬場x芝ダ": ("競馬場", "芝ダ"),
    "年齢層x芝ダ": ("年齢層", "芝ダ"),
    "性x距離カテゴリ": ("性", "距離カテゴリ")
}
for new_col, (c1, c2) in cross_features.items():
    data[new_col] = create_cross_feature(data, c1, c2)

# 脚質（正規表現で高速化）
data["脚質"] = data["通過"].str.extract(r"^(\d+)", expand=False).astype(float)
data["脚質"] = pd.cut(data["脚質"], bins=[0, 3, 6, 10, np.inf], labels=["逃げ", "先行", "差し", "追込"]).astype(str)
data["脚質"] = data["脚質"].fillna("不明")

# 好成績
data["好成績"] = (data["着順"] <= 3).astype(int)