Formule 1 et même plateau avec la vitesse des pilotes

Occasion

Il y a quelques mois, dans le cadre de la collaboration entre Amazon et la Formule 1, des chercheurs "utilisant la puissance des technologies cloud" ont déployé une comparaison de la vitesse des pilotes de tous les temps ( lien ). Naturellement, le matériel était de la publicité hype et il a atteint son objectif. Dans tout le monde de la formule pendant quelques jours, on ne parlait que dans l'esprit de "pourquoi n'y a-t-il pas de pilote N dans le classement?" et "comment M pourrait-il être plus rapide que K si K réussissait dans la saison L." Il est devenu intéressant pour moi de répéter plus ou moins cette recherche et, si possible, de me passer de «toute la puissance des technologies cloud».

Une tâche

. . , , , , , . . AWS – . , . .

F1, – 10% , 90% - . - , .. , , . , , . , , .

. , , «» . , 2 , , « » - , . , . , , , .

. , , . «» , , 1. , , , .

, , k_p, .

.. V = V₀*k_p*k_c*Tr, k_c – , Tr – , .

, ln(k_i)-ln(k_j)=ln(t_j)-ln(t_i) .

. m*(n+1), n – , m – . 1 -1 , , .

AWS, , , - . , , « » - , . .. «» 2 0 .

, F1. . , , , , . , , , - .

  , , 2 . 3 . 1 – , . , «». – . , . . – . , , .

, . , 1, 2 3 . , , .

import sys
import re
import urllib.request


def get_wikipedia_page(title, lang='en'):
    url = 'https://'+lang+'.wikipedia.org/wiki/'+(title.replace(' ', '_'))
    fp = urllib.request.urlopen(url)
    mybytes = fp.read()
    
    mystr = mybytes.decode("utf8")
    fp.close()
    return mystr

title = 'List of Formula One Grands Prix'

try:
    print('process: '+title)
    th = get_wikipedia_page(title)
    r1 = re.findall(r'href="/wiki/[\d][\d][\d][\d]_[\w]*_Grand_Prix"',th)
    list_of_GP = list(set(r1))
except:
    print("Unexpected error:", sys.exc_info()[0])

titles = list(map(lambda x: x[12: -1].replace('_', ' '), list_of_GP))


for title in titles:
    try:
        print('process: '+title)
        th = get_wikipedia_page(title)
        with open('texts/'+title+'.txt', 'w', encoding='utf8') as the_file:
            the_file.write(th)
            the_file.close()
    except:
        print("Unexpected error:", sys.exc_info()[0])

html . . ( ), ( ), «» . csv.

DataFrame. , :

+ . ,

+ – , 1 , 2

= + . , . , . - , .

qual_df = pd.read_csv('qual_results.csv')

qual_df['Track_pl_len'] = qual_df['Track'] + '_' +qual_df['Track_len'].apply(str)
qual_df['Car'] = qual_df['Constructor'] + '_' +qual_df['Year'].apply(str)
qual_df['Driver_pl_year'] = qual_df['Driver']+'_'+qual_df['Year'].apply(str)

qual_df_2 = qual_df.copy()
qual_df_2['Driver_pl_year'] = qual_df_2['Driver']+'_'+((qual_df_2['Year'].apply(int)-1)).apply(str)
double_df = pd.concat([qual_df, qual_df_2])
del qual_df2

. , . . , , . , , . .

. 2 , .

• , ..

• , 2 –

• , «» «» - 6 2%. , «» 1 – , . ,

• 2 One Hot Encoding , x = 1 , y -1

• , . , – 1 , .. 1, 0. –

• . ln(k) - .

, .

, , «» , .. , F1 Amazon.

, :

,

18 , . , + + , . , 10. , . . , .

– . 2019 , . , 1.

– . . , . , 1 . . 1, / .

, :

  ( , .. 1 ):

  , .

:

2020 – , ( – 1979 , ).

, Renault , . Racing Point, 2 , Alpha Tauri 2020, Red Bull 2019 Ferrari 2020, - 2018 .

, 2019 Mercedes, 10 , Red Bull . , , , , .

. , . - , . . , .

, ( , .. 2 , 1):

1 Amazon . : .

, , , / , , .

, . , , – 70 1. , .

Il n'a pas été possible de construire une régression décente, un modèle apparemment sans problème donne encore des résultats inattendus. Toutes les tentatives pour construire un modèle unifié, tenant compte à la fois de l'influence de la machine et du pilote, sont arrivées à la nécessité d'une stricte régularisation.

J'attache un github à l'article avec les données initiales et les tableaux croisés dynamiques pour l'auto-apprentissage, j'ajouterai le code dès que je n'en aurai pas honte.

→ Lien vers Github