Formel 1 und die gleiche Platte mit der Geschwindigkeit der Piloten

Gelegenheit

Vor einigen Monaten haben Forscher im Rahmen der Zusammenarbeit zwischen Amazon und der Formel 1 einen Vergleich der Geschwindigkeit von Piloten aller Zeiten durchgeführt ( Link ). Natürlich war das Material Hype-Werbung und es hat sein Ziel erreicht. In der ganzen Formelwelt wurde ein paar Tage lang nur im Sinne von "Warum gibt es keinen Piloten N in der Bewertung?" und "wie kann M schneller als K sein, wenn K es in Staffel L geschafft hat?" Es wurde für mich interessant, diese Forschung mehr oder weniger zu wiederholen und, wenn möglich, auf "die ganze Kraft der Cloud-Technologien" zu verzichten.

Eine Aufgabe

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

Es war nicht möglich, eine anständige Regression aufzubauen, ein scheinbar problemloses Modell führt immer noch zu unerwarteten Ergebnissen. Bei allen Versuchen, ein einheitliches Modell zu erstellen, das sowohl den Einfluss der Maschine als auch des Piloten berücksichtigt, ist eine strikte Regularisierung erforderlich.

Ich füge dem Artikel einen Github mit Anfangsdaten und Pivot-Tabellen zum Selbststudium hinzu. Ich werde den Code hinzufügen, sobald ich mich nicht so schäme.

→ Link zu Github