機械學習

探討機械學習的應用於賽事數據，筆者嘗試了兩個算法

1. k最接近的數據(kNN)

2. C4.5(產生決策樹的算法)

兩個算法得出的馬匹各有勝負，但有些場次有六七隻，有些場次一隻也沒有，不能控制所選的馬匹隻數，方法算出新參賽馬匹是入圍與否，沒有可以用作排序的特性，故沒有採用。

相對而然使用邏輯迴歸所算出的是勝出機會率，不論高低也可以用作排序用途，而且這方法可以用加權，回溯測試也能得出更高勝出率，故被採納。