Victoire promise ("Hobby x Machine Learning")

introduction

Ceci est le premier message. J'écrirai le matériel que j'ai préparé pour LT dans l'entreprise. (Je ferai de mon mieux pour continuer à produire à l'avenir ...)

table des matières

1. Préface / Objectif
2. Flux global du système
3. Détails
4. Annonce des résultats pratiques
5. Conclusion
6. TODO

1. 1. Préface / but

Titre: ** "Hobby x Machine Learning" **

C'est un grand titre, Mon hobby est ** Pachislot ** ..

Qu'est-ce que Pachislot?

C'est une machine à sous installée dans un magasin de pachinko, et est nommée "machine de jeu tournante" par la loi. On l'appelle un pachislot car c'est une machine à sous dans un magasin de pachinko. Il y a un paramètre appelé ** 6 étapes (*) ** dans le pachislot, et le commis du pachinko le change manuellement après la fermeture du magasin.

• Tous les modèles n'ont pas 6 niveaux.

J'expliquerai avec un exemple concret. "Go Go Juggler KK (Kita Denshi)" (Je pense que beaucoup d'entre vous connaissent ce visage.)

Les spécifications de base de ce support sont les suivantes.

Comme je l'ai expliqué plus tôt, il y a un réglage sur la base de la fente, Il est réglé sur environ ** 6 niveaux **. Et au fur et à mesure que le réglage augmente, les spécifications de la remise de la machine augmenteront également.

Ce paramètre est ** modifié manuellement par un employé de la boutique pachinko tous les soirs **.

• Il peut être différé.

Donc je pensais.

Si vous le définissez manuellement, La ** loi ** n'est-elle pas née sans le savoir ...?

Alors, le but

Collectez des données de pachislot, utilisez l'apprentissage automatique pour guider les règles et assurez-vous de gagner.

2. Flux de l'ensemble du système

Pour expliquer complètement ce système, il a la composition suivante. J'expliquerai chaque étape par étape.

3. 3. Détails

① Collecte de données

Ce système est implémenté en utilisant Python.

environnement Windows10 + Anaconda3

** Bibliothèque utilisée **

• sélénium 3.141.0 (exploration)
• Beautifulsoup 4.7.1 (Scraping)

** La période de collecte ** 2019/7/15 - 2019/9/14

• Collecté à 23h20 tous les jours

** Données réellement collectées **

■ Point d'achoppement

Le site où vous pouvez voir les informations sur les boules de pachinko n'était accessible que depuis votre smartphone.

Spécifiez l'appareil dans l'option chromedriver ** Resolve **

mobile_emulation = { "deviceName": "Nexus 5" }
chrome_options = webdriver.ChromeOptions()
chrome_options.add_experimental_option("mobileEmulation", mobile_emulation)
driver = webdriver.Chrome("C:/chromedriver.exe", desired_capabilities = chrome_options.to_capabilities())
driver.get("URL de Pachiya")

② Apprentissage automatique

Utilisez "Random Forest" de scikitlearn.

Cette fois, j'ai arrêté les données et appris en développant le jongleur. Prédisez combien de paramètres la plateforme aura ce jour-là à partir du modèle entraîné! !!

• ** Variable objectif **: Réglage
• ** Variables explicatives **: Date, jour

Prétraitement qui n'est pas du tout intelligent

#Après avoir joué avec le dataframe en désordre,

#Devinez le paramètre à partir de la probabilité (on l'appelle la valeur de supposition même s'il s'agit de la variable objective...）
tmp = line[1][8].split("/")
hoge = float(tmp[0]) / float(tmp[1])
if hoge >= my_pro[5]:
   hoge_np = np.append(hoge_np, 5)
elif hoge >= my_pro[4]:
   hoge_np = np.append(hoge_np, 4)
elif hoge >= my_pro[3]:
   hoge_np = np.append(hoge_np, 3)
elif hoge >= my_pro[2]:
   hoge_np = np.append(hoge_np, 2)
elif hoge >= my_pro[1]:
   hoge_np = np.append(hoge_np, 1)
else:
   hoge_np = np.append(hoge_np, 0)

#Il y a beaucoup d'autres dégâts...

Si vous jouez avec, jetez-le dans le modèle d'apprentissage

#Séparé pour la formation et l'évaluation
x_train, x_test, y_train, y_test = model_selection.train_test_split(x, y, test_size=0.2)

#Apprentissage
model = RandomForestClassifier()
model.fit(x_train, y_train)

③ Pratique

■ Journée de pratique 2019/10/5 (samedi)

■ Emplacement Un certain magasin de pachinko

Vous pouvez définitivement gagner en frappant le Juggler 1257 (réglage 5 !!)! !!

Alors

Quatre. Annonce des résultats pratiques

Quand je vais frapper d'habitude, j'emmène environ trois personnes avec Sakichi, Je peux gagner cette fois, alors je suis allé m'entraîner avec Satoshi! !!

Le résultat est ...! !! !!

Oui, j'ai pu amener deux Sakichi avec brio.

Cinq. Conclusion

Pas si gentil.

6．TODO Sur la base des points de réflexion suivants, nous ferons le point pour pouvoir définitivement gagner.

Visez un millionnaire! !!

• Si vous perdez la prochaine fois, vous prendrez votre retraite.

Réflexions

-Les variables explicatives ne sont pas plausibles. -Les réglages de la veille et les réglages des supports gauche et droit doivent être pris en compte. -Vous devez observer la tendance du magasin. -Le nombre de données n'est pas grand en premier lieu. -Je ne sais pas s'il y a une tendance. -Même si vous pouvez deviner les paramètres, vous ne pouvez pas toujours gagner. ** (Ténèbres de Pachislot) **