mRNA - Tendenza : X Y

[Halmun]

Infatti certe volte è un disastro, ma il bello è anche quando capisce una cosa dopo due ore la fa bene però poi non funziona un'altra cosa che prima andava bene, c'è lo dici e ritorna all'errore di prima e si va avanti per ore!

VERO. e questo capita perchè a volte non mantiene memoria delle domande precedenti. succede spesso anche a me.

 

[lotto_tom75]

Primissimi vagiti... con gretl... facendomi spiegare passo passo da copilot...



secondo questa analisi quale sarebbe il numero + interessante? E perchè?

Distanze di Mahalanobis dal centroide usando le variabili: n1 n2 n3 n4 n5

1 2,485592 2 2,029094 3 1,679974 4 2,015358 5 2,419266 6 2,056081 7 2,992740 8 2,085350 9 1,142423 10 2,901598 11 2,111392 12 2,297534 13 2,290498 14 1,790234 15 2,659311 16 2,776181 17 1,732614 18 2,968421 19 2,470319 20 2,429886 21 2,658020 22 2,797064 23 2,372232 24 2,132061 25 1,786946 26 2,332002 27 2,073657 28 1,884918 29 1,897357 30 2,080074 31 2,562847 32 2,494868 33 2,763794 34 1,664578 35 2,387270 36 2,174550 37 2,096100 38 2,245402 39 1,752277 40 2,746546 41 1,613547 42 1,939362 43 2,101344 44 2,928371 45 2,052606 46 1,910035 47 1,856856 48 1,532737 49 1,800533 50 2,445932 51 2,364181 52 1,759787 53 1,623773 54 2,097596 55 1,982317 56 1,652171 57 2,846207 58 2,251991 59 1,389027 60 2,455528 61 1,688246 62 3,000925 63 1,909112 64 2,551462 65 2,060055 66 2,245177 67 1,977047 68 1,931188 69 1,107929 70 2,603803 71 2,520950 72 2,182211 73 1,860725 74 2,260867 75 2,410703 76 1,649756 77 1,641251 78 2,008024 79 2,290092 80 1,959258 81 2,818174 82 1,543507 83 2,427558 84 2,366764 85 2,527667 86 2,673440 87 1,702693 88 2,214081 89 2,329127 90 2,299436


Copilot

L’analisi delle distanze di Mahalanobis dal centroide utilizzando le variabili n1, n2, n3, n4, e n5 fornisce una serie di valori. Per determinare quale numero è più interessante, dobbiamo considerare il significato di questa distanza e il contesto del problema.

La distanza di Mahalanobis è una misura di distanza che tiene conto delle correlazioni tra variabili all’interno di un insieme di dati. A differenza della distanza euclidea, la distanza di Mahalanobis considera sia la dispersione delle variabili che la loro correlazione.

In termini intuitivi, la distanza di Mahalanobis ci dice quanto un punto è lontano dal centroide (il centro delle masse dei dati) rispetto alla variazione delle variabili. Quindi, un valore di distanza di Mahalanobis più grande indica che il punto è più lontano dal centroide rispetto alla variazione dei dati.

Ora, guardando i valori forniti:

1. 2,485592
2. 2,029094
3. 1,679974
4. 2,015358
5. 2,419266

Il valore più interessante dipenderà dal contesto specifico del tuo problema. Ad esempio:

• Se stai cercando punti che si discostano maggiormente dal centroide, allora il numero 7 (2,992740) potrebbe essere il più interessante.
• Se stai cercando punti che sono più vicini al centroide, allora il numero 9 (1,142423) potrebbe essere interessante.

Inoltre, considera anche la distribuzione complessiva dei dati e il significato delle variabili coinvolte. Se hai ulteriori informazioni sul contesto o sugli obiettivi dell’analisi, potrei fornire una risposta più specifica.

​

si tratta di numeri del lotto usciti in 10000 estrazioni circa dal 1871 ad oggi


Copilot

Ah, capisco! Quindi stiamo analizzando i numeri del lotto estratti in circa 10.000 estrazioni dal 1871 fino ad oggi.

Grazie per la precisazione.

Considerando questo contesto, possiamo esaminare i valori delle distanze di Mahalanobis e cercare di identificare quali numeri potrebbero essere più interessanti. Tieni presente che, nel caso dei numeri del lotto, potrebbe essere utile considerare sia i numeri che si discostano maggiormente dal centroide (valori più alti) che quelli che sono più vicini al centroide (valori più bassi).

Dai valori forniti, ecco alcune considerazioni:

1. Numero 7 (2,992740): Questo è uno dei valori più alti, quindi potrebbe essere interessante da esaminare. Potrebbe corrispondere a un numero del lotto che si discosta notevolmente dalla media.
   
   
2. Numero 9 (1,142423): Questo valore è molto basso, il che suggerisce che il numero associato potrebbe essere vicino al centroide. Potrebbe essere interessante per motivi diversi, ad esempio, potrebbe essere un numero comune o frequente.

Tuttavia, per una valutazione più accurata, potrebbe essere utile visualizzare l’intera distribuzione dei dati e considerare anche altri fattori, come la frequenza di estrazione di ciascun numero. Se hai ulteriori dettagli o domande specifiche, sarò felice di aiutarti ulteriormente!


il numero 9 è presente anche nell'ultima estrazione analizzata presente nel data set... ma potrebbe quindi riuscire a breve secondo questa particolare analisi?


Copilot

La presenza del numero 9 nell’ultima estrazione analizzata è un dato interessante. Tuttavia, per determinare se potrebbe riuscire a breve, dobbiamo considerare alcuni aspetti:

1. Distanza di Mahalanobis: Il valore di 1,142423 indica che il numero 9 è molto vicino al centroide rispetto alla variazione dei dati. Questo suggerisce che il numero 9 potrebbe essere uno dei numeri più comuni o frequenti nel dataset.
   
   
2. Tendenze storiche: Esaminare le tendenze storiche delle estrazioni del lotto può fornire ulteriori informazioni. Se il numero 9 è stato estratto frequentemente in passato, potrebbe avere maggiori probabilità di ripetersi.
   
   
3. Randomicità: Ricorda che le estrazioni del lotto sono essenzialmente casuali. Anche se un numero sembra avere una tendenza, ogni estrazione è indipendente dalle precedenti. Quindi, anche se il numero 9 è stato estratto di recente, non possiamo garantire che si ripeterà a breve.

In conclusione, mentre la distanza di Mahalanobis suggerisce che il numero 9 è vicino al centroide, è importante considerare anche altri fattori e non basarsi solo su questa analisi. Se hai accesso a dati storici più ampi o altre informazioni, potrebbe essere utile esaminarli per una valutazione più accurata. Buona fortuna con le tue scommesse al lotto!


Test effettuato con archivio lotto FI aggiornato a 2 estrazioni fa... o per meglio dire sugli sfaldamenti di almeno A by abs 77 x A su FI dal 1871.


Nessuna Certezza Solo Pochissima Probabilità

 

[Ciro8]

Primissimi vagiti... con gretl... facendomi spiegare passo passo da copilot...

Vedi l'allegato 2280485

secondo questa analisi quale sarebbe il numero + interessante? E perchè?

Distanze di Mahalanobis dal centroide usando le variabili: n1 n2 n3 n4 n5

1 2,485592 2 2,029094 3 1,679974 4 2,015358 5 2,419266 6 2,056081 7 2,992740 8 2,085350 9 1,142423 10 2,901598 11 2,111392 12 2,297534 13 2,290498 14 1,790234 15 2,659311 16 2,776181 17 1,732614 18 2,968421 19 2,470319 20 2,429886 21 2,658020 22 2,797064 23 2,372232 24 2,132061 25 1,786946 26 2,332002 27 2,073657 28 1,884918 29 1,897357 30 2,080074 31 2,562847 32 2,494868 33 2,763794 34 1,664578 35 2,387270 36 2,174550 37 2,096100 38 2,245402 39 1,752277 40 2,746546 41 1,613547 42 1,939362 43 2,101344 44 2,928371 45 2,052606 46 1,910035 47 1,856856 48 1,532737 49 1,800533 50 2,445932 51 2,364181 52 1,759787 53 1,623773 54 2,097596 55 1,982317 56 1,652171 57 2,846207 58 2,251991 59 1,389027 60 2,455528 61 1,688246 62 3,000925 63 1,909112 64 2,551462 65 2,060055 66 2,245177 67 1,977047 68 1,931188 69 1,107929 70 2,603803 71 2,520950 72 2,182211 73 1,860725 74 2,260867 75 2,410703 76 1,649756 77 1,641251 78 2,008024 79 2,290092 80 1,959258 81 2,818174 82 1,543507 83 2,427558 84 2,366764 85 2,527667 86 2,673440 87 1,702693 88 2,214081 89 2,329127 90 2,299436


Copilot

L’analisi delle distanze di Mahalanobis dal centroide utilizzando le variabili n1, n2, n3, n4, e n5 fornisce una serie di valori. Per determinare quale numero è più interessante, dobbiamo considerare il significato di questa distanza e il contesto del problema.

La distanza di Mahalanobis è una misura di distanza che tiene conto delle correlazioni tra variabili all’interno di un insieme di dati. A differenza della distanza euclidea, la distanza di Mahalanobis considera sia la dispersione delle variabili che la loro correlazione.

In termini intuitivi, la distanza di Mahalanobis ci dice quanto un punto è lontano dal centroide (il centro delle masse dei dati) rispetto alla variazione delle variabili. Quindi, un valore di distanza di Mahalanobis più grande indica che il punto è più lontano dal centroide rispetto alla variazione dei dati.

Ora, guardando i valori forniti:

1. 2,485592
2. 2,029094
3. 1,679974
4. 2,015358
5. 2,419266

Il valore più interessante dipenderà dal contesto specifico del tuo problema. Ad esempio:

• Se stai cercando punti che si discostano maggiormente dal centroide, allora il numero 7 (2,992740) potrebbe essere il più interessante.
• Se stai cercando punti che sono più vicini al centroide, allora il numero 9 (1,142423) potrebbe essere interessante.

Inoltre, considera anche la distribuzione complessiva dei dati e il significato delle variabili coinvolte. Se hai ulteriori informazioni sul contesto o sugli obiettivi dell’analisi, potrei fornire una risposta più specifica.

​

si tratta di numeri del lotto usciti in 10000 estrazioni circa dal 1871 ad oggi


Copilot

Ah, capisco! Quindi stiamo analizzando i numeri del lotto estratti in circa 10.000 estrazioni dal 1871 fino ad oggi.

Grazie per la precisazione.

Considerando questo contesto, possiamo esaminare i valori delle distanze di Mahalanobis e cercare di identificare quali numeri potrebbero essere più interessanti. Tieni presente che, nel caso dei numeri del lotto, potrebbe essere utile considerare sia i numeri che si discostano maggiormente dal centroide (valori più alti) che quelli che sono più vicini al centroide (valori più bassi).

Dai valori forniti, ecco alcune considerazioni:

1. Numero 7 (2,992740): Questo è uno dei valori più alti, quindi potrebbe essere interessante da esaminare. Potrebbe corrispondere a un numero del lotto che si discosta notevolmente dalla media.
   
   
2. Numero 9 (1,142423): Questo valore è molto basso, il che suggerisce che il numero associato potrebbe essere vicino al centroide. Potrebbe essere interessante per motivi diversi, ad esempio, potrebbe essere un numero comune o frequente.

Tuttavia, per una valutazione più accurata, potrebbe essere utile visualizzare l’intera distribuzione dei dati e considerare anche altri fattori, come la frequenza di estrazione di ciascun numero. Se hai ulteriori dettagli o domande specifiche, sarò felice di aiutarti ulteriormente!


Tu
il numero 9 è presente anche nell'ultima estrazione analizzata presente nel data set... ma potrebbe quindi riuscire a breve secondo questa particolare analisi?


Copilot
La presenza del numero 9 nell’ultima estrazione analizzata è un dato interessante. Tuttavia, per determinare se potrebbe riuscire a breve, dobbiamo considerare alcuni aspetti:

1. Distanza di Mahalanobis: Il valore di 1,142423 indica che il numero 9 è molto vicino al centroide rispetto alla variazione dei dati. Questo suggerisce che il numero 9 potrebbe essere uno dei numeri più comuni o frequenti nel dataset.
   
   
2. Tendenze storiche: Esaminare le tendenze storiche delle estrazioni del lotto può fornire ulteriori informazioni. Se il numero 9 è stato estratto frequentemente in passato, potrebbe avere maggiori probabilità di ripetersi.
   
   
3. Randomicità: Ricorda che le estrazioni del lotto sono essenzialmente casuali. Anche se un numero sembra avere una tendenza, ogni estrazione è indipendente dalle precedenti. Quindi, anche se il numero 9 è stato estratto di recente, non possiamo garantire che si ripeterà a breve.

In conclusione, mentre la distanza di Mahalanobis suggerisce che il numero 9 è vicino al centroide, è importante considerare anche altri fattori e non basarsi solo su questa analisi. Se hai accesso a dati storici più ampi o altre informazioni, potrebbe essere utile esaminarli per una valutazione più accurata. Buona fortuna con le tue scommesse al lotto!


Test effettuato con archivio lotto FI aggiornato a 2 estrazioni fa... o per meglio dire sugli sfaldamenti di almeno A by abs 77 x A su FI dal 1871.


Nessuna Certezza Solo Pochissima Probabilità

Si ho visto pure io questo in questo modo imposto il classico archivio di 90 estrazioni , primi studi infatti

 

[Halmun]

si, sto provando anch'io Copilot e lo trovo decisamente più sveglio di GPT. soprattutto non si lamenta delle virgole che separano la parte intera dalle cifre decimali.

 

[Halmun]

Primissimi vagiti... con gretl... facendomi spiegare passo passo da copilot...

Vedi l'allegato 2280485

secondo questa analisi quale sarebbe il numero + interessante? E perchè?

Distanze di Mahalanobis dal centroide usando le variabili: n1 n2 n3 n4 n5

1 2,485592 2 2,029094 3 1,679974 4 2,015358 5 2,419266 6 2,056081 7 2,992740 8 2,085350 9 1,142423 10 2,901598 11 2,111392 12 2,297534 13 2,290498 14 1,790234 15 2,659311 16 2,776181 17 1,732614 18 2,968421 19 2,470319 20 2,429886 21 2,658020 22 2,797064 23 2,372232 24 2,132061 25 1,786946 26 2,332002 27 2,073657 28 1,884918 29 1,897357 30 2,080074 31 2,562847 32 2,494868 33 2,763794 34 1,664578 35 2,387270 36 2,174550 37 2,096100 38 2,245402 39 1,752277 40 2,746546 41 1,613547 42 1,939362 43 2,101344 44 2,928371 45 2,052606 46 1,910035 47 1,856856 48 1,532737 49 1,800533 50 2,445932 51 2,364181 52 1,759787 53 1,623773 54 2,097596 55 1,982317 56 1,652171 57 2,846207 58 2,251991 59 1,389027 60 2,455528 61 1,688246 62 3,000925 63 1,909112 64 2,551462 65 2,060055 66 2,245177 67 1,977047 68 1,931188 69 1,107929 70 2,603803 71 2,520950 72 2,182211 73 1,860725 74 2,260867 75 2,410703 76 1,649756 77 1,641251 78 2,008024 79 2,290092 80 1,959258 81 2,818174 82 1,543507 83 2,427558 84 2,366764 85 2,527667 86 2,673440 87 1,702693 88 2,214081 89 2,329127 90 2,299436


Copilot

L’analisi delle distanze di Mahalanobis dal centroide utilizzando le variabili n1, n2, n3, n4, e n5 fornisce una serie di valori. Per determinare quale numero è più interessante, dobbiamo considerare il significato di questa distanza e il contesto del problema.

La distanza di Mahalanobis è una misura di distanza che tiene conto delle correlazioni tra variabili all’interno di un insieme di dati. A differenza della distanza euclidea, la distanza di Mahalanobis considera sia la dispersione delle variabili che la loro correlazione.

In termini intuitivi, la distanza di Mahalanobis ci dice quanto un punto è lontano dal centroide (il centro delle masse dei dati) rispetto alla variazione delle variabili. Quindi, un valore di distanza di Mahalanobis più grande indica che il punto è più lontano dal centroide rispetto alla variazione dei dati.

Ora, guardando i valori forniti:

1. 2,485592
2. 2,029094
3. 1,679974
4. 2,015358
5. 2,419266

Il valore più interessante dipenderà dal contesto specifico del tuo problema. Ad esempio:

• Se stai cercando punti che si discostano maggiormente dal centroide, allora il numero 7 (2,992740) potrebbe essere il più interessante.
• Se stai cercando punti che sono più vicini al centroide, allora il numero 9 (1,142423) potrebbe essere interessante.

Inoltre, considera anche la distribuzione complessiva dei dati e il significato delle variabili coinvolte. Se hai ulteriori informazioni sul contesto o sugli obiettivi dell’analisi, potrei fornire una risposta più specifica.

​

si tratta di numeri del lotto usciti in 10000 estrazioni circa dal 1871 ad oggi


Copilot

Ah, capisco! Quindi stiamo analizzando i numeri del lotto estratti in circa 10.000 estrazioni dal 1871 fino ad oggi.

Grazie per la precisazione.

Considerando questo contesto, possiamo esaminare i valori delle distanze di Mahalanobis e cercare di identificare quali numeri potrebbero essere più interessanti. Tieni presente che, nel caso dei numeri del lotto, potrebbe essere utile considerare sia i numeri che si discostano maggiormente dal centroide (valori più alti) che quelli che sono più vicini al centroide (valori più bassi).

Dai valori forniti, ecco alcune considerazioni:

1. Numero 7 (2,992740): Questo è uno dei valori più alti, quindi potrebbe essere interessante da esaminare. Potrebbe corrispondere a un numero del lotto che si discosta notevolmente dalla media.
   
   
2. Numero 9 (1,142423): Questo valore è molto basso, il che suggerisce che il numero associato potrebbe essere vicino al centroide. Potrebbe essere interessante per motivi diversi, ad esempio, potrebbe essere un numero comune o frequente.

Tuttavia, per una valutazione più accurata, potrebbe essere utile visualizzare l’intera distribuzione dei dati e considerare anche altri fattori, come la frequenza di estrazione di ciascun numero. Se hai ulteriori dettagli o domande specifiche, sarò felice di aiutarti ulteriormente!


il numero 9 è presente anche nell'ultima estrazione analizzata presente nel data set... ma potrebbe quindi riuscire a breve secondo questa particolare analisi?


Copilot

La presenza del numero 9 nell’ultima estrazione analizzata è un dato interessante. Tuttavia, per determinare se potrebbe riuscire a breve, dobbiamo considerare alcuni aspetti:

1. Distanza di Mahalanobis: Il valore di 1,142423 indica che il numero 9 è molto vicino al centroide rispetto alla variazione dei dati. Questo suggerisce che il numero 9 potrebbe essere uno dei numeri più comuni o frequenti nel dataset.
   
   
2. Tendenze storiche: Esaminare le tendenze storiche delle estrazioni del lotto può fornire ulteriori informazioni. Se il numero 9 è stato estratto frequentemente in passato, potrebbe avere maggiori probabilità di ripetersi.
   
   
3. Randomicità: Ricorda che le estrazioni del lotto sono essenzialmente casuali. Anche se un numero sembra avere una tendenza, ogni estrazione è indipendente dalle precedenti. Quindi, anche se il numero 9 è stato estratto di recente, non possiamo garantire che si ripeterà a breve.

In conclusione, mentre la distanza di Mahalanobis suggerisce che il numero 9 è vicino al centroide, è importante considerare anche altri fattori e non basarsi solo su questa analisi. Se hai accesso a dati storici più ampi o altre informazioni, potrebbe essere utile esaminarli per una valutazione più accurata. Buona fortuna con le tue scommesse al lotto!


Test effettuato con archivio lotto FI aggiornato a 2 estrazioni fa... o per meglio dire sugli sfaldamenti di almeno A by abs 77 x A su FI dal 1871.


Nessuna Certezza Solo Pochissima Probabilità

naturalmente. se hai più o meno una decina di valori più vicini al Centroide conviene sempre poi confrontarli singolarmente con altri dati come ad esempio la frequenza, il ritardo, Rc/Rs ecc. questo potrebbe aiutare ulteriormente nella scelta, quindi a favore di un gruppo N° ristretto. ma attenzione anche agli scarti MAX .... spesso fanno la differenza.

 

[Ciro8]

La distanza di Mahalanobis è una misura di distanza introdotta da P. C. Mahalanobis nel 19361. Questa distanza è particolarmente utile quando si lavora con dati multivariati e tiene conto delle correlazioni tra le variabili. Vediamo alcuni punti chiave:

1. Cos’è la Distanza di Mahalanobis?
   • La distanza di Mahalanobis misura la distanza tra un punto e una distribuzione2.
   • È l’equivalente multivariato della distanza euclidea.
   • Viene utilizzata in applicazioni di rilevamento di anomalie multivariato, classificazione su dataset altamente sbilanciati e classificazione one-class.
2. Perché non usare la Distanza Euclidea per dati multivariati?
   • La distanza euclidea funziona bene solo se le dimensioni sono indipendenti e equamente pesate.
   • Tuttavia, se le dimensioni sono correlate tra loro, la distanza euclidea può fornire informazioni fuorvianti.
3. Come calcolare la Distanza di Mahalanobis?
   • La formula per la distanza di Mahalanobis tra due punti A e B è: [ d_{\text{Mahalanobis}} = \sqrt{(\mathbf{x}_B - \mathbf{x}_A)^T \mathbf{C}^{-1} (\mathbf{x}_B - \mathbf{x}_A)} ] dove (\mathbf{x}_A) e (\mathbf{x}_B) sono i vettori dei punti A e B, e (\mathbf{C}) è la matrice di covarianza3.
4. Come usarla in Gretl?
   • In Gretl, puoi calcolare la distanza di Mahalanobis utilizzando il linguaggio di scripting hansl.
   • Carica i tuoi dati, calcola la matrice di covarianza e quindi calcola la distanza di Mahalanobis per ciascun punto rispetto alla distribuzione.

La distanza di Mahalanobis è uno strumento potente per analizzare dati multivariati. Buon lavoro!

 

[Ciro8]

Volevo sapere una cosa, ma voi l'archivio dati è stato impostato con l'ultima estrazione che si trova in fondo all' archivio?
Grazie mille

 

[Halmun]

cose da sapere:

Tu
Effettuando analisi con una Rete Neurale per Regressione ( PYTHIA ) ed escludendo la funzione Random ottengo risultati Stabili.
e cioè, al ripetersi della stessa analisi chiudendo il software e riaprendolo impostando lo stesso Range di dati e la stessa architettura precedente, i risultati sono esattamente gli stessi dell'analisi precedente.
Ma se faccio tutto questo con un altro Computer i risultati, pur restando Stabili sono diversi dai risultati ottenuti con il primo Computer. Premetto che il primo Computer è dotato di INTEL CORE I3.
è possibile che questa diversità nei risultati fra 2 computer sia dovuta alle differenti CPU?


Copilot
È interessante notare che stai ottenendo risultati stabili quando esegui l’analisi con la rete neurale per regressione (PYTHIA) su un computer specifico, ma quando ripeti lo stesso processo su un altro computer, i risultati sono diversi, anche se anch’essi stabili. La tua domanda riguarda se questa diversità potrebbe essere dovuta alle differenti CPU dei due computer.
In generale, le differenze nei risultati tra due computer possono essere influenzate da vari fattori, tra cui:

Architettura della CPU:
Le diverse CPU hanno diverse architetture e prestazioni. Ad esempio, un processore Intel Core i3 potrebbe avere una frequenza di clock e una cache diverse rispetto a un’altra CPU.

Precisione numerica:
Alcune operazioni matematiche coinvolte nell'addestramento delle reti neurali richiedono precisione numerica. Le CPU con diverse capacità di precisione potrebbero influenzare i risultati.

Ottimizzazioni specifiche della CPU:
Alcuni framework di deep learning (come TensorFlow o PyTorch) possono sfruttare specifiche ottimizzazioni della CPU. Queste ottimizzazioni possono variare tra le diverse CPU.

Parallelismo e threading:
L’efficienza nel parallelizzare i calcoli può variare tra le CPU. Alcuni algoritmi di deep learning possono beneficiare di un alto grado di parallelismo.

Memoria e velocità di accesso:
La velocità di accesso alla memoria e la quantità di cache disponibile possono influenzare le prestazioni dell’addestramento della rete neurale.

Versione del software:
Anche la versione del software utilizzato per l’addestramento può influenzare i risultati. Assicurati di utilizzare la stessa versione di PYTHIA su entrambi i computer.

Variabilità intrinseca:
Anche se i risultati sono stabili, potrebbe esserci una certa variabilità intrinseca dovuta alla casualità o a fattori non controllati.
In sintesi, è possibile che le differenti CPU tra i due computer contribuiscano alla diversità nei risultati. Tuttavia, per una valutazione più precisa, sarebbe necessario eseguire ulteriori analisi e test specifici su entrambi i sistemi. Se hai accesso a un computer con una CPU diversa (ad esempio, un Intel Core i5 o i7), potresti confrontare ulteriormente i risultati per ottenere una comprensione più approfondita delle differenze osservate.

Tu
si ho già fatto molti confronti sempre utilizzando la stessa rete neurale PYTHIA, e penso che la Variabilità intrinseca sia da escludere a priori in quanto ho sempre utilizzato lo stesso Range di dati con la stessa Architettura per i confronti, escludendo sempre l'opzione Random.

Copilot
Capisco, e sembra che tu abbia eseguito un'analisi accurata per escludere la variabilità intrinseca. Se hai sempre utilizzato lo stesso range di dati e la stessa architettura, è interessante notare che i risultati siano ancora diversi tra i due computer.

Oltre alla CPU, ci sono altri fattori che potrebbero contribuire a queste differenze. Alcuni di questi includono:

1. **Memoria e velocità di accesso**: La quantità di memoria disponibile e la velocità di accesso alla memoria possono influenzare le prestazioni dell'addestramento della rete neurale. Assicurati che entrambi i computer abbiano una quantità sufficiente di RAM e che la velocità di accesso alla memoria sia adeguata.

2. **Versione del software e librerie**: Verifica che entrambi i computer utilizzino la stessa versione del software (PYTHIA) e delle librerie (TensorFlow, PyTorch, ecc.). Le differenze nelle versioni potrebbero comportare comportamenti diversi.

3. **Altre risorse del sistema**: Considera anche altri aspetti del sistema, come la scheda grafica, l'utilizzo della CPU da parte di altri processi in background e la temperatura del sistema. Questi fattori possono influenzare le prestazioni complessive.

4. **Ambiente di esecuzione**: Assicurati che entrambi i computer siano configurati in modo simile in termini di impostazioni di sistema operativo, driver e altre variabili ambientali.

5. **Precisione numerica e ottimizzazioni**: Verifica se ci sono differenze nelle impostazioni di precisione numerica o ottimizzazioni specifiche della CPU tra i due computer.

6. **Test di stabilità**: Potresti eseguire test di stabilità su entrambi i computer per verificare se ci sono problemi hardware o instabilità che potrebbero influenzare i risultati.

Inoltre, considera la possibilità di consultare esperti in deep learning o informatica per una valutazione più approfondita. Potrebbero essere in grado di fornire ulteriori suggerimenti o eseguire analisi più dettagliate per identificare la causa delle differenze osservate.

 

[Halmun]

mi sembra del tutto ASSURDO randomizzare qualcosa che a Priori è già Random ( Numeri del Lotto. Alias eventi Casuali )

 

[KEN]

sono come noi ognuno ragiona in un modo diverso

 

[Halmun]

ecco cosa può succedere quando si escludono a priori gli Scarti Max nelle regressioni di tipo Neurale o meno come molti consigliano di fare.
Bari : F.D. 29/03/2024 - Analisi sulle 2 Dev. con identico valore 0.000001 di PYTHIA ( il tanto odiato Overfitting )
Primi classificati negli Scarti Max. 10 - 42

 

[Halmun]

sono come noi ognuno ragiona in un modo diverso

pur ottenendo Prev. attendibili in entrambi i casi ( confronto fra più computer con diversi risultati ).
ogni fenomeno ha una sua Realtà .... ed una sua scadenza.

 

[KEN]

Cosa consiglia per la prossima estrazione ?

 

[Halmun]

Cosa consiglia per la prossima estrazione ?

attualmente sono impegnato con alcuni nuovi lavori. se riesco posterò qualcosa entro martedì mattina.

 

[Halmun]

Work in Progress:
Lavori ripresi dopo decenni .... problema previsioni? lasciamo risolverlo al Sudoku.
Quadrante Rosa (fine data analisi in foto) Prev. sulle ultime 5 estraz. 20 49 56 67 86 - Esito 49 67 86 al 1° C.

 

[KEN]

Terno , c'è anche 67

 

[Halmun]

Terno , c'è anche 67

certo, infatti l'avevo segnalato nella Terzina del Test 49 67 86. ma voglio farti ugualmente i miei complimenti perchè il Tuo intervento dimostra che hai segnalato primariamente L'ambo secco 49 86 presente in 5°a colonna ( colonna del 5° estratto ) dove al riguardo non ho voluto dir nulla x non esagerare. ...... BRAVO, ottima osservazione.

 

[Halmun]

Sudoku Test: 23/03/24 Prev. nelle ultime 2 estraz. = 51 64 con Asimmetria Min. su Massimo completamento righe e colonne (9) = 67
esiti: 51 al 1° C. + 67 al 2° e 3° C.

 

[Halmun]

Sudoku - BARI : Previsione x questa sera:

Miglior completamento (9) su Righe e Colonne x Decine e Cadenze = 24 56 : Primaria 24 ( Asimmetria Min. )
x Ambata-Ambo-Ambetto.

migliore Posizione x Ambata Determinata = 5° Estratto.

un saluto.

 

[KEN]

Grazie, speravo di avere qualche convergenza ma niente provo con il 24