初心者が機械学習をやってみたら（その３）
早速これから、データの取得を行いたいと思います。
使用するデータの紹介、取得元を記載します。
データは
「http://www1.mbrace.or.jp/」
から頂きました。
（このページ自体には何もありません）
使用するデータは以下の３種類です。
・番組表
・競走成績
・レーサー期別成績
提供されているデータは1996年からありますが、
今回私は「2012年4月に持ちペラ制度が廃止」と言う区切り目を意識し、
2012年5月からのデータを取得することとしました。
1.番組表
ボートレースの開催情報が記載されています。
各開催場、各レースの枠番、出場選手の情報など。
更新は毎日です。
ここから取得可能です。
「http://www1.mbrace.or.jp/od2/B/dindex.html」
しかし、１ファイルずつ取得するのは現実的ではないです。
http://www1.mbrace.or.jp/od2/B/[開催年月6桁]/b[開催年月日6桁].lzh
と言う法則があります。
開催年月6桁 ：YYYYMM
開催年月日6桁：YYMMDD
を日付ごとにブン回せば取得できます。
例）2020年07年14日の場合
http://www1.mbrace.or.jp/od2/B/202007/b200714.lzh
圧縮形式はLZHなのでダウンロード後、解凍が必要です。
解凍のために「lhasa」をインストールします。
$ sudo apt install lhasa
Reading package lists... Done
Building dependency tree
Reading state information... Done
The following additional packages will be installed:
liblhasa0
The following NEW packages will be installed:
lhasa liblhasa0
0 upgraded, 2 newly installed, 0 to remove and 312 not upgraded.
Need to get 33.7 kB of archives.
After this operation, 109 kB of additional disk space will be used.
Do you want to continue? [Y/n]
「Y」を入力しインストールする。
文字コードはSJISとなっています。
表示するために、「nkf」をインストールします。
$ sudo apt install nkf
Reading package lists... Done
Building dependency tree
Reading state information... Done
The following NEW packages will be installed:
nkf
0 upgraded, 1 newly installed, 0 to remove and 312 not upgraded.
Need to get 123 kB of archives.
After this operation, 309 kB of additional disk space will be used.
Get:1 http://ports.ubuntu.com/ubuntu-ports bionic/universe arm64 nkf arm64 1:2.1.4-1ubuntu2 [123 kB]
Fetched 123 kB in 1s (96.3 kB/s)
debconf: delaying package configuration, since apt-utils is not installed
Selecting previously unselected package nkf.
(Reading database ... 144514 files and directories currently installed.)
Preparing to unpack .../nkf_1%3a2.1.4-1ubuntu2_arm64.deb ...
Unpacking nkf (1:2.1.4-1ubuntu2) ...
Setting up nkf (1:2.1.4-1ubuntu2) ...
Processing triggers for man-db (2.8.3-2ubuntu0.1) ...
番組表の内容はこんな感じです。
$ nkf b200714.txt | less
STARTB
23BBGN
ボートレース唐 津 ７月１４日 第３回住信ＳＢＩネッ 第 １日
＊＊＊ 番組表 ＊＊＊
第３回住信ＳＢＩネット銀行賞
第 １日 ２０２０年 ７月１４日 ボートレース唐 津
−内容については主催者発行のものと照合して下さい−
１Ｒ 予 選 Ｈ１８００ｍ 電話投票締切予定０８：４７
-------------------------------------------------------------------------------
艇 選手 選手 年 支 体級 全国 当地 モーター ボート 今節成績 早
番 登番 名 齢 部 重別 勝率 2率 勝率 2率 NO 2率 NO 2率 １２３４５６見
-------------------------------------------------------------------------------
1 4171榎 幸司37長崎51A2 6.36 46.67 5.47 31.58 35 32.31 41 34.48 9
2 3305小野信樹52岡山53B1 4.06 20.73 3.83 22.22 67 36.96 72 37.31
3 4874池田奈津26福岡51B1 4.75 32.14 3.22 16.67 49 31.13 38 35.48 6
4 3507藤井 徹49大阪52B1 4.08 15.07 5.11 21.05 31 30.81 77 29.03 5
5 5146野田彩加17山口49B2 1.28 0.00 0.00 0.00 34 44.29 83 46.88
6 4034西原明生41香川54B1 4.55 26.60 4.68 28.00 56 32.88 47 20.34 7
（略）
私は番組表から、
会場番号・レース番号・進入固定有無、
各枠の選手登番・選手名・年齢・体重・級別・全国勝率・全国２率・当地勝率・当地２率・
モーターNo・モーター２率・ボートNo・ボート２率・今節成績を収集しました。
2.競走成績
ボートレースの競走結果が記載されています。
各開催場、各レースの着順、的中番号、組み合わせ、払戻金、競走除外など。
更新は毎日です。
ここから取得可能です。
「http://www1.mbrace.or.jp/od2/K/dindex.html」
しかし、番組表と同じく１ファイルずつ取得するのは現実的ではないです。
http://www1.mbrace.or.jp/od2/K/[開催年月6桁]/k[開催年月日6桁].lzh
と言う法則があります。
開催年月6桁 ：YYYYMM
開催年月日6桁：YYMMDD
を日付ごとにブン回せば取得できます。
例）2020年07年14日の場合
http://www1.mbrace.or.jp/od2/K/202007/k200714.lzh
と言う法則があります。
番組表と同じく圧縮形式はLZHなのでダウンロード後、解凍が必要です。
文字コードはSJISとなっています。
競走成績の内容はこんな感じです。
$ nkf k200714.txt | less
STARTK
23KBGN
唐 津［成績］ 7/14 第３回住信ＳＢＩネッ 第 1日
＊＊＊ 競走成績 ＊＊＊
第３回住信ＳＢＩネット銀行賞
第 1日 2020/ 7/14 ボートレース唐 津
−内容については主催者発行のものと照合して下さい−
[払戻金] ３連単 ３連複 ２連単 ２連複
1R 6-1-2 9820 1-2-6 500 6-1 3560 1-6 580
2R 2-1-5 910 1-2-5 390 2-1 240 1-2 150
3R 1-3-2 660 1-2-3 210 1-3 250 1-3 150
4R 1-6-3 3120 1-3-6 860 1-6 950 1-6 910
5R 2-3-1 4610 1-2-3 810 2-3 1550 2-3 1000
6R 1-3-4 4200 1-3-4 1330 1-3 800 1-3 410
7R 2-1-3 1610 1-2-3 400 2-1 570 1-2 230
8R 1-2-4 3460 1-2-4 510 1-2 1340 1-2 900
9R 3-1-4 2210 1-3-4 320 3-1 940 1-3 250
10R 1-3-4 2110 1-3-4 1140 1-3 280 1-3 170
11R 4-1-2 3790 1-2-4 460 4-1 890 1-4 320
12R 4-5-3 12350 3-4-5 4290 4-5 1610 4-5 1360
1R 予 選 H1800m 雨 風 南 2m 波 2cm
着 艇 登番 選 手 名 モーター ボート 展示 進入 スタートタイミンク レースタイム まくり差し
-------------------------------------------------------------------------------
01 6 4034 西 原 明 生 56 47 6.82 5 0.09 1.50.3
02 1 4171 榎 幸 司 35 41 6.85 1 0.17 1.52.1
03 2 3305 小 野 信 樹 67 72 6.88 2 0.19 1.52.5
04 4 3507 藤 井 徹 31 77 6.87 4 0.09 1.54.3
05 3 4874 池 田 奈津美 49 38 6.80 3 0.26 1.55.6
06 5 5146 野 田 彩 加 34 83 6.83 6 0.09 1.57.1
単勝 6 2220
複勝 6 320 1 100
２連単 6-1 3560 人気 7
２連複 1-6 580 人気 3
拡連複 1-6 180 人気 3
2-6 310 人気 5
1-2 140 人気 1
３連単 6-1-2 9820 人気 19
３連複 1-2-6 500 人気 3
（略）
私は競走成績から、
会場番号・レース番号、
１着艇番・２着艇番・３着艇番・３連単配当金を収集しました。
3.レーサー期別成績
現役ボートレーサーの情報が記載されている。
選手の個人情報から、過去の成績データがたっぷり載ってます。
（モーターボートファン手帳とも言う？）
更新は半期に１度、年２回です。
ここから取得可能です。
「https://www.boatrace.jp/owpc/pc/extra/data/download.html」
半期に１度なので手動でもいいかな？
文字コードはSJISとなっています。
レーサー期別成績の内容はこんな感じです。
$ nkf fan1910.txt | less
2014高 塚 清 一タカツカ セイイチ 静岡B1S22030717216555O 049703290130190970000017015060001321002103810173400130385019300016037501733001801670172700140071022490B1B1B14800480020201201905012019103102000500400100100300100000000000000000040040030010060030000000000000000002003003000002003000000000000000000200400100500100201000000000000000000030040070030010000000000000000000001002002003006000000000000000000000000静 岡
2538高 橋 二 朗タカハシ ジロウ 東京B1S24042617016452AB042801520040090850100020010030001733001702350183400190158022390016018801733001300000214200100000023420B1B1B14800470020201201905012019103103200200100200400100000000000000000000000040050030020030000000000000000001002003006003003010000000000000000100200300300500200000000000000000000000020050030030000000000000000000000004002001003000000000000000000000000千 葉
2787藤 井 定 美フジイ サダミ 群馬B1S30021416417153A 052403260180161040000015018072201219002004000143100210429015340019015801731001700590173600090000021400B1B1B14900490020201201905012019103104001100200300200000000000000000000000020060080010030000000000000000000003006001005002004000000000000000000200100200400500500000000000000000000010020060060020000000000000000000000001003003002000000000000000000000000群 馬
（略）
データレイアウトは
「https://www.boatrace.jp/owpc/pc/extra/data/layout.html」
に記載されています。
私はレーサー期別成績から、
とりあえず全データを収集しました。
データの紹介で終わってしまいました。
データ蓄積の説明は次回とさせてください。
関連（連載）
Author And Source
この問題について(初心者が機械学習をやってみたら（その３）), 我々は、より多くの情報をここで見つけました https://qiita.com/tosikazu-s/items/e443a58a8e3725269e99著者帰属：元の著者の情報は、元のURLに含まれています。著作権は原作者に属する。
Content is automatically searched and collected through network algorithms . If there is a violation . Please contact us . We will adjust (correct author information ,or delete content ) as soon as possible .