Intelligenza artificiale e lotto 🤖🎱📈📉🎯

[Mandomax]

ciao lotto_tom75, perdonami se dico che questo in gergo si chiama La "Fallacia del Cecchino Texano" si sparano i colpi a caso contro il muro (i dati storici) poi si vede dove sono finiti i proiettili (analisi post estrazione sullo sfaldamento avvenuto) e poi dopo si dipinge intorno il bersaglio praticamente. La "Matrioska" dei Gruppi (GUC, C15, C8...) Prendo 15 numeri -> ne tengo 8 -> ne tengo 4 -> ne tengo 2 -> Ecco l'ambo! È facile farlo dopo. Prima dell'estrazione, come fai a sapere se devi fermarti alla C8, alla C4 o alla C6? è come saltare da un ramo all'altro dell'albero delle probabilità per trovare quello che ha dato il frutto, In Data Science, questo si chiama hindsight bias (bias del senno di poi) non vederla come una critica negativa ma costruttiva. Per Spectrum quel thread 772 ha tutta l'aria di essere un framework, se ho capito bene hai implementato un Kelly betting che coopera con il ML sarei curioso di vedere l'indice MEI e la percentuale del tuo ROI è possibile vederli?

 

[lotto_tom75]

ciao lotto_tom75, perdonami se dico che questo in gergo si chiama La "Fallacia del Cecchino Texano" si sparano i colpi a caso contro il muro (i dati storici) poi si vede dove sono finiti i proiettili (analisi post estrazione sullo sfaldamento avvenuto) e poi dopo si dipinge intorno il bersaglio praticamente. La "Matrioska" dei Gruppi (GUC, C15, C8...) Prendo 15 numeri -> ne tengo 8 -> ne tengo 4 -> ne tengo 2 -> Ecco l'ambo! È facile farlo dopo. Prima dell'estrazione, come fai a sapere se devi fermarti alla C8, alla C4 o alla C6? è come saltare da un ramo all'altro dell'albero delle probabilità per trovare quello che ha dato il frutto, In Data Science, questo si chiama hindsight bias (bias del senno di poi) non vederla come una critica negativa ma costruttiva. Per Spectrum quel thread 772 ha tutta l'aria di essere un framework, se ho capito bene hai implementato un Kelly betting che coopera con il ML sarei curioso di vedere l'indice MEI e la percentuale del tuo ROI è possibile vederli?

Ciao Mandomax non preoccuparti.. le critiche costruttive sono sempre stra ben accette da parte mia Anzi ti ringrazio e capisco perfettamente cosa intendi. Il backtesting che al momento sto cercando di adottare in varie forme ma che riguarda un altro tipo di "approccio" meno texano per così dire in questo frangente non sono riuscito ancora ad applicarlo... Ossia il top sarebbe un backtesting di n mila estrazioni con riduzione progressiva automatica basata anche su questi "flash riduzionali attuali post estrazione" che come hai giustamente notato dipingono solo l'oggi.. ma non il passato... e che sono per così dire vestiti a puntino sulla sorte già caduta sperando che in qualche modo si trovi una sorta di stabilità comportamentale futura in tal senso.. La forza dei casi precedentemente analizzati non si basa sugli anelli deboli della catena riduzionale di classe < 15 ma dal gruppo base (c29) e da quello intermedio (guc delle c15 a ra max xs2 su 7s) che un backtesting questa volta davvero effettuato su oltre 3k estrazioni passate consecutive su kaggle mi ha confermato.

Aggiornamento esperimenti con gemini cli: sto cercando di automatizzare analisi incmaxp con relativo backtesting e clpmax e clp rimanenti teorici relativi su huggingface con archivi già autoaggiornanti

 

[lotto_tom75]

VE TT e NZ : 11-40-77-81-88-90 x 1 clp

A me basterebbe (x i successivi sviluppi...) che uscissero a colpo 2 punti qui... -> 11-23-25-40-42-58-67-68-73-77-81-83-85-88-90

nop: by 10 c15 ra max x s2 su 7 s by absc29 -> e set min classe max copertura c15 -> sviluppo di questa c15 in c6 x s2 su 11 r by 1871 e scelta ra max unico con diff 0 incmax 0 (ra 25 -> VE stesso ra min unico (ra 25) x s2 in c6 su 11 r sep).

Nessuna Certezza Solo Poca Probabilità

Solo x studio...

Al 3° colpo ambo in c6 su tt (ba) 81-90

 

[Mandomax]

ciao lotto_tom75, se posso darti un consiglio, un AI per fare previsioni deve darti un vantaggio sostanziale che non è nella quantità ma nella qualità, il lotto non è solo un gioco ma qualcosa di più poi dipende con quali occhi lo si guarda, se vuoi la qualità devi andare più in profondità, quando si afferma che non ci si può basare solo sul ritardo e la frequenza Spectrum dice una sacrosanta verità il motivo e ovvio, sono due parametri dismogenei, volubili, discontinui, mutevoli nel tempo in poche parole non sono due costanti affermare il contrario equivale a dire che l'acqua e l'aria hanno la stessa densità, significa che un AI non troverà mai pattern in questi due parametri è inevitabilmente andrà in overfitting, non troverà punti di ancoraggio perche mutano sempre nel tempo, se vuoi fare il salto di paradigma ha bisogno di costanti valori solidi che non mutano nel tempo e inevitabilmente troverà punti di ancoraggio, in un mining di 2000 estrazioni comincerà a mappare il caos e li che risiedono i pattern non nei semplici numeri, a lei paradossalmente se ne frega se il numero 8 ha frequenza 15 e il 76 non esce da 100 estrazioni a lei interessa sapere se quella costante in 2000 estrazioni quante volte è stata efficiente indipendentemente dai numeri associati a quella costante, significa che se quella costante è stata mappata 300 volte in 2000 estrazioni e 200 volte ha avuto un efficienza positiva quello è un dato credibile è di qualità.

 

[mattia73]

ciao lotto_tom75, se posso darti un consiglio, un AI per fare previsioni deve darti un vantaggio sostanziale che non è nella quantità ma nella qualità, il lotto non è solo un gioco ma qualcosa di più poi dipende con quali occhi lo si guarda, se vuoi la qualità devi andare più in profondità, quando si afferma che non ci si può basare solo sul ritardo e la frequenza Spectrum dice una sacrosanta verità il motivo e ovvio, sono due parametri dismogenei, volubili, discontinui, mutevoli nel tempo in poche parole non sono due costanti affermare il contrario equivale a dire che l'acqua e l'aria hanno la stessa densità, significa che un AI non troverà mai pattern in questi due parametri è inevitabilmente andrà in overfitting, non troverà punti di ancoraggio perche mutano sempre nel tempo, se vuoi fare il salto di paradigma ha bisogno di costanti valori solidi che non mutano nel tempo e inevitabilmente troverà punti di ancoraggio, in un mining di 2000 estrazioni comincerà a mappare il caos e li che risiedono i pattern non nei semplici numeri, a lei paradossalmente se ne frega se il numero 8 ha frequenza 15 e il 76 non esce da 100 estrazioni a lei interessa sapere se quella costante in 2000 estrazioni quante volte è stata efficiente indipendentemente dai numeri associati a quella costante, significa che se quella costante è stata mappata 300 volte in 2000 estrazioni e 200 volte ha avuto un efficienza positiva quello è un dato credibile è di qualità.

Scusatemi se mi intrometto nella discussione, ma provo a portare un punto di vista un po’ più analitico e metodologico, senza alcuna polemica.
Il punto centrale è questo: dire che “in 2000 estrazioni si mappa il caos e lì risiedono i pattern” non è di per sé una scoperta, è una proprietà generale di qualunque sequenza casuale sufficientemente lunga.
Un algoritmo di mining troverà sempre pattern, anche in dati generati da un RNG perfetto. Questo però non significa che quei pattern contengano informazione predittiva.
La cosiddetta “costante” di cui parli, in realtà, non è una costante del processo di estrazione, ma una funzione costruita a posteriori sui dati storici. Cambiano i dati, cambia la distribuzione e cambia l’efficienza apparente.
Quindi non stiamo parlando di un punto di ancoraggio stabile, ma di una trasformazione del passato.
Quando dici:
“300 occorrenze, 200 efficienti = dato credibile”
qui manca il passaggio fondamentale che la statistica richiede sempre:
rispetto a cosa?
Senza confrontare quel 200/300 con:
una strategia casuale equivalente
un modello nullo (baseline)
un test out-of-sample
quel numero non misura qualità, misura solo adattamento ai dati osservati.
È esattamente lo stesso meccanismo per cui frequenze, ritardi o qualunque altra metrica “sembra funzionare” se la guardiamo solo a posteriori.
In altre parole: non è vero che l’AI “se ne frega dei numeri”.
I numeri sono l’unica informazione reale del processo. Tutto il resto (costanti, mapping, efficienze) sono rappresentazioni derivate, utili per descrivere il passato, ma matematicamente equivalenti dal punto di vista predittivo agli altri approcci se non superano una verifica indipendente.
Il vero discrimine non è la profondità del linguaggio o del modello, ma una sola domanda molto semplice:
su dati nuovi, non visti, questo metodo batte il caso in modo stabile?
Se la risposta non è dimostrabile numericamente, allora il modello, per quanto sofisticato, non fa nulla di diverso dagli altri: riorganizza il passato in modo più elegante.
Detto questo, il lavoro di analisi e di costruzione resta interessante come esercizio di studio e di esplorazione dei dati, ed è sempre positivo confrontarsi su approcci diversi.
Mattia73

 

[lotto_tom75]

Ciao ad entrambi , io invece tendo a fare un mix tra le due cose.. ovvero dare in pasto all'AI sempre + performante e addestrata il mio know how statistico e metodologico di ricerca predittiva nonchè a farla esercitare su gruppi di numeri dinamici molto più ridotti rispetto la massa totale (es. le risultanze incmaxp o abs o semi abs) oltre a farle assumere "ruoli" sempre più avanzati di data scientist e di analista neurale fornendole ad esempio 65 tipologie di riferimento in tal senso. Per adesso mi sto divertendo moltissimo.. Il prossimo passo è cercare di farla diventare anche un'esperta di spaziometria, di python e di huggingface per cercare di traformare alcuni script .ls in analoghi tools cloud based autoaggiornanti e con AI integrata...