Formula 1 dan pelat yang sama dengan kecepatan para pilot

Kesempatan

Beberapa bulan lalu, sebagai bagian dari kolaborasi antara Amazon dan Formula 1, para peneliti "menggunakan kekuatan teknologi cloud" meluncurkan perbandingan kecepatan pilot sepanjang masa dan orang ( tautan ). Tentu, materinya adalah iklan hype, dan itu mencapai tujuannya. Di seluruh dunia formula selama beberapa hari, hanya ada pembicaraan dalam semangat "mengapa tidak ada pilot N di peringkat?" dan "bagaimana M bisa lebih cepat dari K jika K berhasil di musim L." Menjadi menarik bagi saya untuk kurang lebih mengulangi penelitian ini dan, jika mungkin, melakukannya tanpa "semua kekuatan teknologi cloud".

Sebuah tugas

. . , , , , , . . 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. , .

Tidak mungkin membuat regresi yang layak, model yang tampaknya bebas masalah masih memberikan hasil yang tidak terduga. Semua upaya untuk membangun model terpadu, dengan mempertimbangkan pengaruh mesin dan pilot, harus dilakukan pengaturan yang ketat.

Saya melampirkan github ke artikel dengan data awal dan tabel pivot untuk studi independen, saya akan menambahkan kode segera setelah saya tidak malu karenanya.

→ Tautan ke Github