昨年10月から再開したPythonを用いた競艇予想の先月の結果です。
予想モデルは下記の2つ、
・機械学習アルゴリズム
だったんですが、それぞれ昨年7月以降トータルで-12,960円、-29,470円とダメダメ。
さらに後者にいたっては、Google ColaboratoryでAuto-sklearnのインストールでエラーが出るようになり簡単にはどうにかできそうもない感じ。
一方、しばらく前から別の自作アルゴリズムを試してて、なかなか勝ち越せなかったんですが、ようやくそこそこいけそうなアルゴリズムを見つけました。
まだブラッシュアップする余地は山ほどありそうですが、従来モデルが前述のような状態なので今後はこのアルゴリズムを新モデルとして運用しつつ（といってもリアルマネーを投資するわけではないが）、ブラッシュアップを図っていこうと思います。
ちなみにこのモデルのいいところは、大勝ちもしないけど大負けもしないでちょっとずつ勝つという感じで、月初からの累計でマイナスになった日がなく精神的にやきもきせずにすむという点。
なお、新モデルの７月の戦績は下記のとおり。
・投票券数（投資額）：436（43,600円）
・3連単勝舟投票券数（賞金、利益）：57（62,840円、+19,240円）
・3連複勝舟投票券数（賞金、利益）：111（50,790円、+7,190円）
基本的に3連単狙いなので3連複は3連単と同内容で投票した結果を見るというおまけです。
なので投票内容が3連複的に重複することがあり、上記のように対象レース数より勝舟投票券数が多くなるといったことがあります。
ひと月に2万円も勝てば十分じゃないかとも思えますが、あくまでも日々の結果を見ながら投票方法を調整したロジックをあとから適用した戦績なので、過去データに合うような（後出しじゃんけん的な）ロジックになってる可能性も多分にあり、その実力は今後の結果次第。
まあ、今回見切りをつけた２つの旧モデルも当初はそこそこ成績良かったわけで。
そんなわけで、新モデルに期待しつつブラッシュアップ要素としては重なる部分もありますが、
・勝率の向上
・対象レースの取捨選択
・負けレースの分析
・より有効な説明変数の発掘
などなど。
戦績もさることながら、PythonやGoogle Colaboratoryにもだいぶ慣れてきて、あーでもないこーでもないと触ってるだけでも十分楽しいという。