Software R e RSTUDIO chi li conosce?

[claudio8]

Quante cinquine di cluster bisogna giocare per Volta?

 

[Serse]

Se la si prende così di punta... si ritira subito...

Vedi l'allegato 2261846

Dopo che hai fatto la registrazione gratuita se vuoi rifarle domande simili... ti consiglio di prenderla molto più alla larga...

Link ad un articolo per approciarsi a cgpt anche io avevo cominciato a "ronzarle attorno"poi c'era stato il blocco e mi ero fermato.
https://www.dday.it/redazione/46242...ndi-per-avere-risposte-migliori-e-piu-precise

 

[lotto_tom75]

Quante cinquine di cluster bisogna giocare per Volta?

Una sola...

 

[lotto_tom75]

Oltre alla c5 già condivisa mi appunto e condivido anche il gruppo unione delle 10 risultanti a total e average error minori di classe 33 sempre su NA.

Gruppo unione finale ordinato senza valori multipli (classe 33 ):
20.21.22.23.24.25.26.29.32.33.35.37.38.40.41.42.43.44.46.49.50.51.52.57.59.60.63.65.66.67.69.72.73

gli occhi + attenti noteranno una piccola incongruenza con la c5 postata prima... Infatti questo gu 33 non include il 27 in essa presente. Questo è dovuto al fatto che è stato generato con un archivio di 1805 estrazioni anzichè 10256 e aggiornato all'ultima estrazione anzichè a quella del 27/6/2023 dell'altro caso (post #59). In tale circostanza di ricerca la nuova c5 teoricamente migliore per A. e T. E. (Average e Total Error) è risultata essere:

Soluzione teoricamente ottimale:
NA 25 21 49 33 51

TotalError: 43.89994
AverageError: 43.89994

quindi congruente al massimo con il gu 33 sopra postato.

Nessuna Certezza Solo Poca Probabilità

 

[lotto_tom75]

Oltre alla c5 già condivisa mi appunto e condivido anche il gruppo unione delle 10 risultanti a total e average error minori di classe 33 sempre su NA.

Gruppo unione finale ordinato senza valori multipli (classe 33 ):
20.21.22.23.24.25.26.29.32.33.35.37.38.40.41.42.43.44.46.49.50.51.52.57.59.60.63.65.66.67.69.72.73

gli occhi + attenti noteranno una piccola incongruenza con la c5 postata prima... Infatti questo gu 33 non include il 27 in essa presente. Questo è dovuto al fatto che è stato generato con un archivio di 1805 estrazioni anzichè 10256 e aggiornato all'ultima estrazione anzichè a quella del 27/6/2023 dell'altro caso (post #59). In tale circostanza di ricerca la nuova c5 teoricamente migliore per A. e T. E. (Average e Total Error) è risultata essere:

Soluzione teoricamente ottimale:
NA 25 21 49 33 51

TotalError: 43.89994
AverageError: 43.89994

quindi congruente al massimo con il gu 33 sopra postato.

Nessuna Certezza Solo Poca Probabilità

Come negli altri casi testati per adesso nel gruppo unione delle 10 risultanze di tipo neurale (di classe 33) anche ieri sera si sono avuti due punti a colpo su ruota unica (NA 23-72)...

Andando a fare l'analisi retrospettiva di tipo conservativo...

sviluppando e analizzando il gu 33

Combinazioni di classe 1 analizzate per punti 1 sulle ruote NA
La seguente lista mostra le prime Combinazioni In Base al valore di Frequenza
Range analizzato [00001] [ 1 ] 07.01.1871 fino a [10257] [ 77] 29.06.2023
Estrazioni analizzate totali : 10257

gu prime 10 righe di fq max uniche -> 23 a colpo

gu prime 10 righe di fq min uniche e isofre -> 72 a colpo

gu 1 finale 10 righe x fq max e 10 righe fq min -> classe 20 -> 23.72 a colpo


Combinazioni di classe 1 analizzate per punti 1 sulle ruote NA
La seguente lista mostra le prime Combinazioni In Base al valore di Ritardo
Range analizzato [00001] [ 1 ] 07.01.1871 fino a [10257] [ 77] 29.06.2023
Estrazioni analizzate totali : 10257

gu prime 10 righe di ra max unici -> 23 a colpo

gu prime 10 righe di ra min unici e isocroni -> 72 a colpo

gu 2 finale 10 righe x ra max e 10 righe ra min -> classe 20 -> 23.72 a colpo

convergenti tra i due gruppo GU 1 finale e GU 2 finale -> GU 3 (10 elementi) -> 23.72 a colpo


sviluppo del GU 3 (10)


Combinazioni di classe 5 analizzate per punti 2 sulle ruote NA
La seguente lista mostra le prime Combinazioni In Base al valore di Frequenza
Range analizzato [00001] [ 1 ] 07.01.1871 fino a [10257] [ 77] 29.06.2023
Estrazioni analizzate totali : 10257

fq min unica xAinc5->23-72 a colpo

sviluppando la c5

Combinazioni di classe 1 analizzate per punti 1 sulle ruote NA
La seguente lista mostra le prime Combinazioni In Base al valore di Frequenza
Range analizzato [00001] [ 1 ] 07.01.1871 fino a [10257] [ 77] 29.06.2023
Estrazioni analizzate totali : 10257

gu delle due fq max uniche xEinE su NA : 23-72 -> ambo secco a colpo


Secondo tipo di sviluppo possibile del GU delle 10 risultanze neurali by script R n.32 by cgpt

by convergenza con cf33 x E by cf66 x E ultime 369 es by 90 con sdr 1 sdv 1
gu dei convergenti di classe 9


sviluppando il gu 9 così ottenuto...

Combinazioni di classe 1 analizzate per punti 1 sulle ruote NA
La seguente lista mostra le prime Combinazioni In Base al valore di Frequenza
Range analizzato [00001] [ 1 ] 07.01.1871 fino a [10257] [ 77] 29.06.2023
Estrazioni analizzate totali : 10257

elemento con fq max unica -> 23 a colpo

e anche...

sempre sviluppando il gu 9 sopra ottenuto...

elaborazione effettuata con archivio lotto aggiornato al [10257] [ 77] 29.06.2023
A partire dall'estrazione [00001] [ 1 ] 07.01.1871
Numero ultime estrazioni esaminate 10256


range di analisi [00001] [ 1 ] 07.01.1871-[10257] [ 77] 29.06.2023
range di verifica [10257] [ 77] 29.06.2023-[10257] [ 77] 29.06.2023
n. ultime estrazioni analizzate 10257
gruppo base analizzato : classe 9
numeri immessi da tabella
gruppo base analizzato di classe 9
classe di sviluppo minima 2
classe di sviluppo massima 9
numero max formazioni integrali sviluppate 1
ruote analizzate 6
ruote unite minimo 1
ruote unite massimo 1
posizioni unite minimo 2
posizioni unite massimo 5
sorte di ricerca 2
filtro diffp e incmaxp applicato s/n s
diffp minima 0
diffp massima 0
incmaxp minimo 0
incmaxp massimo 360
ritardo massimo rilevato generale 10252
formazione con ritardo massimo generale rilevato 23.24
ruote con ritardo massimo generale rilevato .6.
posizioni unite con ritardo massimo generale rilevato .1.2.
diff posizionale 0
parametri standard per 5 posizioni unite ra 342 rs 1223 incmax 0 freq 22
casi diff incmaxp=0 0

numero di casi con incmax posizionale attuale > storico: 134

numero di casi totali: 336

colpi rimanenti minimi: 10257

colpo massimo:

tt 00:01:30

c+
c-
ca
sorte di verifica
colpi di verifica
cmax
es verificate 1

tt 00:01:30

ESITO A COLPO : 23 in posizione (I)

ancora sempre dal gu 9

Combinazioni di classe 2 analizzate per punti 2 sulle ruote NA
La seguente lista mostra le prime Combinazioni In Base al valore di Ritardo
Range analizzato [00001] [ 1 ] 07.01.1871 fino a [10257] [ 77] 29.06.2023
Estrazioni analizzate totali : 10257
ra min unico -> 23 a colpo

Combinazioni di classe 2 analizzate per punti 2 sulle ruote NA
La seguente lista mostra le prime Combinazioni In Base al valore di Frequenza
Range analizzato [00001] [ 1 ] 07.01.1871 fino a [10257] [ 77] 29.06.2023
Estrazioni analizzate totali : 10257

fq min unica -> 23 a colpo

Terzo tipo di sviluppo possibile del GU (33) delle 10 risultanze neurali by script R n.32 by cgpt con script x incmax III e fq max unica.

Elaborazione effettuata con l'archivio lotto aggiornato al [10257] [ 77] 29.06.2023
Range temporale di analisi [00001] [ 1 ] 07.01.1871 - [10257] [ 77] 29.06.2023
Numero ultime estrazioni consecutive analizzate 10256
Ruote analizzate NA
Quantita numeri 33
Classe 4
Sorte 1
Combinazioni integrali 40920

Esito: 23 in c4 a colpo nella c4 a fq max unica di cui il 23 era l'elemento a 2° fq max unica.


Quarto tipo di sviluppo possibile del GU (33) delle 10 risultanze neurali by script R n.32 by cgpt analizzando e sviluppando singoli gu di elementi raggruppati per rispettiva presenza nella 10 risultanze stesse...


rispetto al gu 33 e alle relative presenze degli elementi l'ambo 23-72 sarebbe uscito in quello composto dagli elementi a doppia e singola presenza nelle risultanze... di classe 29
analizzando il gu delle presenze 2 di classe 8
Combinazioni di classe 1 analizzate per punti 1 sulle ruote NA
La seguente lista mostra le prime Combinazioni In Base al valore di Frequenza
Range analizzato [00001] [ 1 ] 07.01.1871 fino a [10257] [ 77] 29.06.2023
Estrazioni analizzate totali : 10257
sarebbe uscito l'elemento a fq max unica : il 23
analizzando i gu delle presenze di classe 21
Combinazioni di classe 5 analizzate per punti 1 sulle ruote NA
La seguente lista mostra le prime Combinazioni In Base al valore di Frequenza
Range analizzato [00001] [ 1 ] 07.01.1871 fino a [10257] [ 77] 29.06.2023
Estrazioni analizzate totali : 10257

sarebbe uscito l'elemento a fq min unica in classe 5 : il 72

ESITO x questo quarto tipo di sviluppo: AMBO a colpo nel GU di c6 presenza 2 (fq max unica) di c1 x E + GU presenza 1 di c5 x E con fq min unica

sviluppando infine questo gu (6)
Combinazioni di classe 2 analizzate per punti 2 sulle ruote NA
La seguente lista mostra le prime Combinazioni In Base al valore di Ritardo
Range analizzato [00001] [ 1 ] 07.01.1871 fino a [10257] [ 77] 29.06.2023
Estrazioni analizzate totali : 10257
AMBO nel gu c4 rit max unico + rit min unico

sviluppando sempre il gu (6)
Combinazioni di classe 1 analizzate per punti 1 sulle ruote NA
La seguente lista mostra le prime Combinazioni In Base al valore di Frequenza
Range analizzato [00001] [ 1 ] 07.01.1871 fino a [10257] [ 77] 29.06.2023
Estrazioni analizzate totali : 10257
gu delle due fq max uniche : esito -> ambo secco a colpo 23-72.

Da analogo sviluppo con archivio NA txt aggiornato al 1/7/2023 e valutando ultime 1807 es il nuovo GU (delle 10 risultanze neurali) e la nuova c5 teoricamente ottimale per esito in 4 clp teorici minimi sarebbero dal 4/7/2023 compreso sempre su NA

Gruppo unione finale ordinato secondo le presenze decrescenti (classe 27 ):
24(5).44(4).68(4).29(3).20(2).27(2).37(2).39(2).40(2).50(2).56(2).62(2).63(2).64(2).67(2).22(1).25(1).32(1).36(1).42(1).48(1).57(1).58(1).59(1).60(1).65(1).66(1)


PREVISIONE FINALE x teorico esito a colpo : 36 + 48-60-65 + 63

previsione neurale teoricamente best (colpi teorici minimi 4)

Soluzione teoricamente ottimale:

50 63 29 24 62

TotalError: 43.78564
AverageError: 43.78564


Nessuna Certezza Solo Poca Probabilità

 

[claudio8]

Napoli sunto

In gioco da:



22 giugno 23 39 49 63 67 ambo 3° colpo (29 giugno) presente a rit.0 il 63 rit. 2 66 e rit. 3 67
1°c 63..66 ambetto
2°c
3°c 49 63 ambo
4°c
5°c 23..62 ambetto

29 giugno 63 40 46 27 21
1°c
2°c

01 luglio 25 21 49 33 51
1°c

04 luglio 50 63 29 24 62

 

[lotto_tom75]

Napoli sunto

In gioco da:



22 giugno 23 39 49 63 67 ambo 3° colpo (29 giugno) presente a rit.0 il 63 rit. 2 66 e rit. 3 67
1°c 63..66 ambetto
2°c
3°c 49 63 ambo
4°c
5°c 23..62 ambetto

29 giugno 63 40 46 27 21
1°c
2°c

01 luglio 25 21 49 33 51
1°c

04 luglio 50 63 29 24 62

Ottimo sunto claudio8 ma purtroppo avevi dimenticato l'unica che ha sfaldato a colpo questa sera...

Come negli altri casi testati per adesso nel gruppo unione delle 10 risultanze di tipo neurale (di classe 33) anche ieri sera si sono avuti due punti a colpo su ruota unica (NA 23-72)...

Andando a fare l'analisi retrospettiva di tipo conservativo...

sviluppando e analizzando il gu 33

Combinazioni di classe 1 analizzate per punti 1 sulle ruote NA
La seguente lista mostra le prime Combinazioni In Base al valore di Frequenza
Range analizzato [00001] [ 1 ] 07.01.1871 fino a [10257] [ 77] 29.06.2023
Estrazioni analizzate totali : 10257

gu prime 10 righe di fq max uniche -> 23 a colpo

gu prime 10 righe di fq min uniche e isofre -> 72 a colpo

gu 1 finale 10 righe x fq max e 10 righe fq min -> classe 20 -> 23.72 a colpo


Combinazioni di classe 1 analizzate per punti 1 sulle ruote NA
La seguente lista mostra le prime Combinazioni In Base al valore di Ritardo
Range analizzato [00001] [ 1 ] 07.01.1871 fino a [10257] [ 77] 29.06.2023
Estrazioni analizzate totali : 10257

gu prime 10 righe di ra max unici -> 23 a colpo

gu prime 10 righe di ra min unici e isocroni -> 72 a colpo

gu 2 finale 10 righe x ra max e 10 righe ra min -> classe 20 -> 23.72 a colpo

convergenti tra i due gruppo GU 1 finale e GU 2 finale -> GU 3 (10 elementi) -> 23.72 a colpo


sviluppo del GU 3 (10)


Combinazioni di classe 5 analizzate per punti 2 sulle ruote NA
La seguente lista mostra le prime Combinazioni In Base al valore di Frequenza
Range analizzato [00001] [ 1 ] 07.01.1871 fino a [10257] [ 77] 29.06.2023
Estrazioni analizzate totali : 10257

fq min unica xAinc5->23-72 a colpo

sviluppando la c5

Combinazioni di classe 1 analizzate per punti 1 sulle ruote NA
La seguente lista mostra le prime Combinazioni In Base al valore di Frequenza
Range analizzato [00001] [ 1 ] 07.01.1871 fino a [10257] [ 77] 29.06.2023
Estrazioni analizzate totali : 10257

gu delle due fq max uniche xEinE su NA : 23-72 -> ambo secco a colpo


Secondo tipo di sviluppo possibile del GU delle 10 risultanze neurali by script R n.32 by cgpt

by convergenza con cf33 x E by cf66 x E ultime 369 es by 90 con sdr 1 sdv 1
gu dei convergenti di classe 9


sviluppando il gu 9 così ottenuto...

Combinazioni di classe 1 analizzate per punti 1 sulle ruote NA
La seguente lista mostra le prime Combinazioni In Base al valore di Frequenza
Range analizzato [00001] [ 1 ] 07.01.1871 fino a [10257] [ 77] 29.06.2023
Estrazioni analizzate totali : 10257

elemento con fq max unica -> 23 a colpo

e anche...

sempre sviluppando il gu 9 sopra ottenuto...

elaborazione effettuata con archivio lotto aggiornato al [10257] [ 77] 29.06.2023
A partire dall'estrazione [00001] [ 1 ] 07.01.1871
Numero ultime estrazioni esaminate 10256


range di analisi [00001] [ 1 ] 07.01.1871-[10257] [ 77] 29.06.2023
range di verifica [10257] [ 77] 29.06.2023-[10257] [ 77] 29.06.2023
n. ultime estrazioni analizzate 10257
gruppo base analizzato : classe 9
numeri immessi da tabella
gruppo base analizzato di classe 9
classe di sviluppo minima 2
classe di sviluppo massima 9
numero max formazioni integrali sviluppate 1
ruote analizzate 6
ruote unite minimo 1
ruote unite massimo 1
posizioni unite minimo 2
posizioni unite massimo 5
sorte di ricerca 2
filtro diffp e incmaxp applicato s/n s
diffp minima 0
diffp massima 0
incmaxp minimo 0
incmaxp massimo 360
ritardo massimo rilevato generale 10252
formazione con ritardo massimo generale rilevato 23.24
ruote con ritardo massimo generale rilevato .6.
posizioni unite con ritardo massimo generale rilevato .1.2.
diff posizionale 0
parametri standard per 5 posizioni unite ra 342 rs 1223 incmax 0 freq 22
casi diff incmaxp=0 0

numero di casi con incmax posizionale attuale > storico: 134

numero di casi totali: 336

colpi rimanenti minimi: 10257

colpo massimo:

tt 00:01:30

c+
c-
ca
sorte di verifica
colpi di verifica
cmax
es verificate 1

tt 00:01:30

ESITO A COLPO : 23 in posizione (I)

ancora sempre dal gu 9

Combinazioni di classe 2 analizzate per punti 2 sulle ruote NA
La seguente lista mostra le prime Combinazioni In Base al valore di Ritardo
Range analizzato [00001] [ 1 ] 07.01.1871 fino a [10257] [ 77] 29.06.2023
Estrazioni analizzate totali : 10257
ra min unico -> 23 a colpo

Combinazioni di classe 2 analizzate per punti 2 sulle ruote NA
La seguente lista mostra le prime Combinazioni In Base al valore di Frequenza
Range analizzato [00001] [ 1 ] 07.01.1871 fino a [10257] [ 77] 29.06.2023
Estrazioni analizzate totali : 10257

fq min unica -> 23 a colpo

Terzo tipo di sviluppo possibile del GU (33) delle 10 risultanze neurali by script R n.32 by cgpt con script x incmax III e fq max unica.

Elaborazione effettuata con l'archivio lotto aggiornato al [10257] [ 77] 29.06.2023
Range temporale di analisi [00001] [ 1 ] 07.01.1871 - [10257] [ 77] 29.06.2023
Numero ultime estrazioni consecutive analizzate 10256
Ruote analizzate NA
Quantita numeri 33
Classe 4
Sorte 1
Combinazioni integrali 40920

Esito: 23 in c4 a colpo nella c4 a fq max unica di cui il 23 era l'elemento a 2° fq max unica.


Quarto tipo di sviluppo possibile del GU (33) delle 10 risultanze neurali by script R n.32 by cgpt analizzando e sviluppando singoli gu di elementi raggruppati per rispettiva presenza nella 10 risultanze stesse...


rispetto al gu 33 e alle relative presenze degli elementi l'ambo 23-72 sarebbe uscito in quello composto dagli elementi a doppia e singola presenza nelle risultanze... di classe 29
analizzando il gu delle presenze 2 di classe 8
Combinazioni di classe 1 analizzate per punti 1 sulle ruote NA
La seguente lista mostra le prime Combinazioni In Base al valore di Frequenza
Range analizzato [00001] [ 1 ] 07.01.1871 fino a [10257] [ 77] 29.06.2023
Estrazioni analizzate totali : 10257
sarebbe uscito l'elemento a fq max unica : il 23
analizzando i gu delle presenze di classe 21
Combinazioni di classe 5 analizzate per punti 1 sulle ruote NA
La seguente lista mostra le prime Combinazioni In Base al valore di Frequenza
Range analizzato [00001] [ 1 ] 07.01.1871 fino a [10257] [ 77] 29.06.2023
Estrazioni analizzate totali : 10257

sarebbe uscito l'elemento a fq min unica in classe 5 : il 72

ESITO x questo quarto tipo di sviluppo: AMBO a colpo nel GU di c6 presenza 2 (fq max unica) di c1 x E + GU presenza 1 di c5 x E con fq min unica

sviluppando infine questo gu (6)
Combinazioni di classe 2 analizzate per punti 2 sulle ruote NA
La seguente lista mostra le prime Combinazioni In Base al valore di Ritardo
Range analizzato [00001] [ 1 ] 07.01.1871 fino a [10257] [ 77] 29.06.2023
Estrazioni analizzate totali : 10257
AMBO nel gu c4 rit max unico + rit min unico

sviluppando sempre il gu (6)
Combinazioni di classe 1 analizzate per punti 1 sulle ruote NA
La seguente lista mostra le prime Combinazioni In Base al valore di Frequenza
Range analizzato [00001] [ 1 ] 07.01.1871 fino a [10257] [ 77] 29.06.2023
Estrazioni analizzate totali : 10257
gu delle due fq max uniche : esito -> ambo secco a colpo 23-72.

Da analogo sviluppo con archivio NA txt aggiornato al 1/7/2023 e valutando ultime 1807 es il nuovo GU (delle 10 risultanze neurali) e la nuova c5 teoricamente ottimale per esito in 4 clp teorici minimi sarebbero dal 4/7/2023 compreso sempre su NA

Gruppo unione finale ordinato secondo le presenze decrescenti (classe 27 ):
24(5).44(4).68(4).29(3).20(2).27(2).37(2).39(2).40(2).50(2).56(2).62(2).63(2).64(2).67(2).22(1).25(1).32(1).36(1).42(1).48(1).57(1).58(1).59(1).60(1).65(1).66(1)


PREVISIONE FINALE x teorico esito a colpo : 36 + 48-60-65 + 63




Nessuna Certezza Solo Poca Probabilità

A proposito di questo terzo esito consecutivo a colpo mi appunto e condivido che se la ipotetica soluzione teoricamente ottimale di tipo neurale tende a saldarsi entro 5 colpi per almeno estratto, i gu delle relative 10 risultanze da cui viene scelta, e generalmente di classe variabile <= 35, tende a sfaldarsi a colpo sulla ruota target per almeno 2 punti. Almeno così è stato negli ultimi 3 casi consecutivi analizzati.

mi appunto e condivido anche che:

riguardo la c5 finale che ha sfaldato i 2 punti a colpo questi sarebbero stati estrapolabili da queste seguenti ulteriori analisi e riduzioni applicate alla stessa...

Combinazioni di classe 2 analizzate per punti 2 sulle ruote NA
La seguente lista mostra le prime Combinazioni In Base al valore di Ritardo
Range analizzato [00001] [ 1 ] 07.01.1871 fino a [10258] [ 78] 01.07.2023
Estrazioni analizzate totali : 10258


ambo uscito nella coppia con ra max unico e fq max unica


Combinazioni di classe 1 analizzate per punti 1 sulle ruote NA
La seguente lista mostra le prime Combinazioni In Base al valore di Frequenza
Range analizzato [00001] [ 1 ] 07.01.1871 fino a [10258] [ 78] 01.07.2023
Estrazioni analizzate totali : 10258


ambo uscito nel gu delle prime tre righe centrali di "fq"


Combinazioni di classe 1 analizzate per punti 1 sulle ruote NA
La seguente lista mostra le prime Combinazioni In Base al valore di Ritardo
Range analizzato [00001] [ 1 ] 07.01.1871 fino a [10258] [ 78] 01.07.2023
Estrazioni analizzate totali : 10258


ambo uscito nel gu del primo ra max unico e dei primi 2 ra min isocroni


Combinazioni di classe 3 analizzate per punti 2 sulle ruote NA
La seguente lista mostra le prime Combinazioni In Base al valore di Frequenza
Range analizzato [00001] [ 1 ] 07.01.1871 fino a [10258] [ 78] 01.07.2023
Estrazioni analizzate totali : 10258


ambo uscito nella terzina con fq max unica


Dettagli relativi alla c5 finale ottenuta dall'elaborato del gu delle 10 risultanze neurali teoricamente ottimali e di classe 27:

questa volta il gu (27) avrebbe sfaldato a colpo addirittura terno : 44-48-65.

I rispettivi estratti si sarebbero trovati:

48-65 nel gruppo di classe 12 delle presenze 1 delle risultanze neurali.

44 nel gruppo di classe 2 delle presenze 4 delle risultanze neurali
48-65 si sarebbe trovato anche nella c5 by gu 12 con fq min unica xE

Combinazioni di classe 5 analizzate per punti 1 sulle ruote NA
La seguente lista mostra le prime Combinazioni In Base al valore di Frequenza
Range analizzato [00001] [ 1 ] 07.01.1871 fino a [10258] [ 78] 01.07.2023
Estrazioni analizzate totali : 10258


in altre parole...

ESITO A COLPO : NA 44-48-65 in gu (delle 10 risultanze neurali) c27
di cui : un ambo nella c5 x E su NA dal 1871 a fq min unica by gruppo presenze 1 del gu neurale di classe 27 e un elemento nel gu di classe 2 delle 2° presenze max (pari a 4) del gu neurale di classe 27.

In merito ad ulteriori approfondimenti aggiungo
GU 63 + 36.48.60.65.66 : 36-48-60-63-65-66 (c6)

riguardo la C6 soprastante, da cui la c5 finale giocata deriva, composta dai seguenti elementi:

un elemento con fq max unica x E su NA by gruppo di presenze 2 nelle risultanze neurali doc (63)
5 elementi con fq min unica x E su NA by gruppo di presenze 1 nelle risultanze neurali doc

la coppia si sarebbe trovata con i seguenti sviluppi della c6 da 1871:

in AperA con ra max unico -> ambo a colpo 48-65
in AperA nel gu di classe 3 delle due coppie con ra max e min unico
in ExE nel gu di classe 4 dei primi 3 livelli di fq max

il terzo elemento (il 44) invece...
rispetto il gu di classe 4 delle presenze > 2 nelle risultanze neurali di quel caso si sarebbe trovato con il seguente sviluppo...

Combinazioni di classe 2 analizzate per punti 2 sulle ruote NA
La seguente lista mostra le prime Combinazioni In Base al valore di Frequenza
Range analizzato [00001] [ 1 ] 07.01.1871 fino a [10258] [ 78] 01.07.2023
Estrazioni analizzate totali : 10258

nella coppia a fq min unica

e infine analizzando quest'ultima...

Combinazioni di classe 1 analizzate per punti 1 sulle ruote NA
La seguente lista mostra le prime Combinazioni In Base al valore di Ritardo
Range analizzato [00001] [ 1 ] 07.01.1871 fino a [10258] [ 78] 01.07.2023
Estrazioni analizzate totali : 10258

sarebbe stato l'elemento con ra e fq min unici...


Da nuova analogo sviluppo "neurale" e non solo... con archivio file txt su NA aggiornato al 4/7/2023 : ultime 1808 es.

Soluzione teoricamente ottimale:
62 27 29 63 46
TotalError: 43.81075
AverageError: 43.81075

x il 1° di 5 colpi teorici

e dall'analisi del relativo gu delle 10 nuove risultanze:
nuova 6ina: 21-32-36-51-66-70

x teorico esito a colpo.




Nessuna Certezza Solo Poca Probabilità

 

[i legend]

Bravissimo Tom
Super.

 

[lotto_tom75]

Bravissimo Tom
Super.

Grazie carissimo i legend x i compli ma sbrigati a ricomprare l'ordinateur... (minimo a me e cgpt-3.5 ) ci manchi!
ps: non vedo l'ora di vedere i tuoi eventuali post di studio... al riguardo...

 

[i legend]

Non sai quanto manca a me
Ancora bravissimo.

 

[Serse]

Ottimo sunto claudio8 ma purtroppo avevi dimenticato l'unica che ha sfaldato a colpo questa sera...



Vedi l'allegato 2262760

A proposito di questo terzo esito consecutivo a colpo mi appunto e condivido che se la ipotetica soluzione teoricamente ottimale di tipo neurale tende a saldarsi entro 5 colpi per almeno estratto, i gu delle relative 10 risultanze da cui viene scelta, e generalmente di classe variabile <= 35, tende a sfaldarsi a colpo sulla ruota target per almeno 2 punti. Almeno così è stato negli ultimi 3 casi analizzati.

Sta imparando in fretta chatgpt e complimenti a te Lotto_tom

 

[claudio8]

x lottotom
Dove la hai postata?

 

[lotto_tom75]

x lottotom
Dove la hai postata?

claudio8, come ho riportato anche sopra "in calce" evidenziandone in rosso pure i due elementi usciti a colpo, la c5 che ha sfaldato era la risultanza di tutte le analisi riduzionali sopra condivise relative al gu di classe 27 delle 10 risultanze neurali teoricamente ottimali.

 

[claudio8]

ciao Tom, mi sono iscritto a openAI ed ho cominciato a chattare.
mi dici dettagliatamente che file dai in pasto ad R , (quale versione?) vorrei avere i tuoi stessi elaborati per confrontare ipotesi di studio ulteriore.
ciao

 

[claudio8]

ho chiesto spiegazioni sul tuo codice e mi ha risposto:
Il codice fornito sembra essere un esempio di utilizzo di R per eseguire un'analisi di cluster (in particolare l'algoritmo K-means) su un set di dati numerici. Prima di eseguire questo codice, assicurati di aver installato i pacchetti necessari, come indicato all'inizio del codice.
Il flusso del codice può essere riassunto come segue:

1. Viene verificato se i pacchetti readr, dplyr e tidyr sono installati e, se necessario, vengono installati utilizzando la funzione install.packages().
2. Vengono caricati i pacchetti necessari utilizzando la funzione library().
3. Viene specificato il percorso del file di testo (filediesempio.txt).
4. Le righe del file vengono lette utilizzando la funzione readLines() e memorizzate nella variabile lines.
5. Viene creato un dataframe vuoto (data) per ospitare i dati estratti.
6. Viene iterato su ciascuna riga (line) delle righe lette dal file.
7. Vengono estratti i numeri dalla riga utilizzando la funzione str_extract_all() dal pacchetto stringr. Se la lunghezza dei numeri estratti è uguale a 5, vengono convertiti in numeri e aggiunti come una nuova riga al dataframe data utilizzando rbind(). perche' questo controllo? il file non è l'elenco delle estrazioni?
8. Vengono assegnati i nomi alle colonne del dataframe utilizzando colnames().
9. Viene inizializzata una lista results per contenere i risultati delle esecuzioni multiple di K-means.
10. Viene eseguita l'iterazione 10 volte (da 1 a 10) per eseguire K-means su data con configurazioni iniziali casuali.
11. Vengono calcolati l'errore totale e l'errore medio per ciascuna esecuzione di K-means.
12. Viene aggiornato il miglior errore e il miglior risultato se l'errore medio corrente è inferiore al miglior errore precedente.
13. I risultati di ciascuna esecuzione di K-means vengono salvati nella lista results.
14. Viene stampata la lista dei risultati ottenuti per tutte le esecuzioni di K-means, inclusi i centroidi e gli errori totali e medi.
15. Viene stampata la soluzione teoricamente ottimale, ovvero i centroidi e gli errori totali e medi del risultato migliore.

È importante notare che il codice fornito è solo un esempio e potrebbe essere necessario adattarlo alle tue specifiche esigenze o dati. Assicurati di comprendere il significato di ogni passaggio e di adattarlo di conseguenza al tuo contesto.
mi spieghi il passaggio 7?

 

[i legend]

Ciao.
In pratica mi sembra di capire che
Si utilizza un file txt ,csv ecc
Se la lunghezza della riga è esatta allora si inserisce in una matrice.
Su questa si fa la statistica.
Stesso principio che abbiamo utilizzato nel software compilato in twb, mi sembra di ricordare.

Fin qui è lineare.
Il vantaggio è che lo può fare anche chi non sa scrivere una semplice routine .
Le analisi che effettua sulla matrice sono frutto dei filtri proposti da tom.
Cmq aspettiamo che dice il neo fidanzato

 

[claudio8]

Ciao.
In pratica mi sembra di capire che
Si utilizza un file txt ,csv ecc
Se la lunghezza della riga è esatta allora si inserisce in una matrice.
Su questa si fa la statistica.
Stesso principio che abbiamo utilizzato nel software compilato in twb, mi sembra di ricordare.

Fin qui è lineare.
Il vantaggio è che lo può fare anche chi non sa scrivere una semplice routine .
Le analisi che effettua sulla matrice sono frutto dei filtri proposti da tom.
Cmq aspettiamo che dice il neo fidanzato

Quindi scrive nel file txt da analizzare anche le estrazioni vuote e poi le esclude.
Pasticcione ???

 

[i legend]

No perché se non ci sono i 5 numeri non li inserisce nel database mi sembra di aver letto.

Ormai è un pasticcere pluristellato.

 

[claudio8]

---

Tom, a parte le varie richieste di librerie




che non so se le ha scaricate, dopo tanti invii ( pare che si debba dare invio riga per riga per le istruzioni) mi ha dato in console tutti questi errori.



Copyright (C) 2023 The R Foundation for Statistical Computing
Platform: x86_64-w64-mingw32/x64 (64-bit)

R è un software libero ed è rilasciato SENZA ALCUNA GARANZIA.
Siamo ben lieti se potrai redistribuirlo, ma sotto certe condizioni.
Scrivi 'license()' o 'licence()' per maggiori dettagli.

R è un progetto collaborativo con molti contributi esterni.
Scrivi 'contributors()' per maggiori informazioni e 'citation()'
per sapere come citare R o i pacchetti nelle pubblicazioni.

Scrivi 'demo()' per una dimostrazione, 'help()' per la guida
oppure 'help.start()' per la guida nel browser HTML.
Scrivi 'q()' per uscire da R.

>
> install.packages("tidyr")
Avvertimento in install.packages("tidyr"):
'lib = "C:/Program Files/R/R-4.3.1/library"' non è scrivibile
Errore in install.packages("tidyr") : non è possibile installare pacchetti
> library(readr)
Errore in library(readr) : non c'è alcun pacchetto chiamato ‘readr’
> library(dplyr)
Errore in library(dplyr) : non c'è alcun pacchetto chiamato ‘dplyr’
> library(tidyr)
Errore in library(tidyr) : non c'è alcun pacchetto chiamato ‘tidyr’
>
> # Percorso del file txt
> setwd("C:/Users/miner/OneDrive/Desktop/ReRSTUDIO/")
> # Installa i pacchetti necessari se non sono già installati
> if (!require(readr)) {
+ install.packages("readr")
+ }
Caricamento del pacchetto richiesto: readr
Avvertimento in install.packages("readr"):
'lib = "C:/Program Files/R/R-4.3.1/library"' non è scrivibile
Errore in install.packages("readr") : non è possibile installare pacchetti
In aggiunta: Messaggio di avvertimento:
In library(package, lib.loc = lib.loc, character.only = TRUE, logical.return = TRUE, :
non c'è alcun pacchetto chiamato ‘readr’
> if (!require(dplyr)) {
+ install.packages("dplyr")
+ }
Caricamento del pacchetto richiesto: dplyr
Avvertimento in install.packages("dplyr"):
'lib = "C:/Program Files/R/R-4.3.1/library"' non è scrivibile
Errore in install.packages("dplyr") : non è possibile installare pacchetti
In aggiunta: Messaggio di avvertimento:
In library(package, lib.loc = lib.loc, character.only = TRUE, logical.return = TRUE, :
non c'è alcun pacchetto chiamato ‘dplyr’
> if (!require(tidyr)) {
+ install.packages("tidyr")
+ }
Caricamento del pacchetto richiesto: tidyr
Avvertimento in install.packages("tidyr"):
'lib = "C:/Program Files/R/R-4.3.1/library"' non è scrivibile
Errore in install.packages("tidyr") : non è possibile installare pacchetti
In aggiunta: Messaggio di avvertimento:
In library(package, lib.loc = lib.loc, character.only = TRUE, logical.return = TRUE, :
non c'è alcun pacchetto chiamato ‘tidyr’
>
> # Carica i pacchetti
> library(stringr)
Errore in library(stringr) : non c'è alcun pacchetto chiamato ‘stringr’
> library(readr)
Errore in library(readr) : non c'è alcun pacchetto chiamato ‘readr’
> library(dplyr)
Errore in library(dplyr) : non c'è alcun pacchetto chiamato ‘dplyr’
> library(tidyr)
Errore in library(tidyr) : non c'è alcun pacchetto chiamato ‘tidyr’
>
> # Percorso del file txt
> file_path <- "filediesempio.txt"
>
> # Leggi le righe dal file
> lines <- readLines(file_path)
>
> # Crea un dataframe vuoto per i dati
> data <- data.frame()
>
> # Estrai i numeri dalle righe valide
> for (line in lines) {
+ numbers <- str_extract_all(line, "\\d+")[[1]]
+ if (length(numbers) == 5) {
+ data <- rbind(data, as.numeric(numbers))
+ }
+ }
Errore in str_extract_all(line, "\\d+") :
non trovo la funzione "str_extract_all"
>
> # Assegna i nomi alle colonne
> colnames(data) <- c("Num1", "Num2", "Num3", "Num4", "Num5")
Errore in names(x) <- value :
l'attributo 'names' [5] dev'essere della stessa lunghezza del vettore [0]
>
>
>
> # Esegui K-means multiple volte e salva tutte le soluzioni
> num_clusters <- 5
> results <- list()
> best_error <- Inf
>
> for (i in 1:10) {
+ # Esegui K-means con configurazione iniziale casuale
+ set.seed(i)
+ clusters <- kmeans(data, centers = num_clusters)
+
+ # Calcola l'errore totale e l'errore medio
+ total_error <- sum(sqrt(rowSums((data - clusters$centers[clusters$cluster, ])^2)))
+ average_error <- total_error / nrow(data)
+
+ # Aggiorna i risultati migliori
+ if (average_error < best_error) {
+ best_error <- average_error
+ best_clusters <- clusters
+ }
+
+ # Salva il risultato corrente
+ results[] <- list(clusters = clusters, total_error = total_error, average_error = average_error)
+ }
Errore in sample.int(m, k) : primo argomento non valido
>
> # Stampa tutte le soluzioni ottenute
> cat("Soluzioni ottenute:\n")
Soluzioni ottenute:
> for (i in 1:length(results)) {
+ cat("Soluzione", i, "\n")
+ cluster <- round(results[]$clusters$centers[1, ])
+ cat(paste(cluster, collapse = "\t"), "\n")
+ cat("TotalError:", results[]$total_error, "\n")
+ cat("AverageError:", results[]$average_error, "\n\n")
+ }
Soluzione 1
Errore in results[] : subscript fuori limite
>
> # Stampa la soluzione teoricamente ottimale
> cat("Soluzione teoricamente ottimale:\n")
Soluzione teoricamente ottimale:
> cluster <- round(best_clusters$centers[1, ])
Errore: oggetto 'best_clusters' non trovato
> cat(paste(cluster, collapse = "\t"), "\n")
Errore: oggetto 'cluster' non trovato
> cat("TotalError:", best_error, "\n")
TotalError: Inf
> cat("AverageError:", best_error, "\n")
AverageError: Inf
> cat("AverageError:", best_error, "\n")
AverageError: Inf
> cat("AverageError:", best_error, "\n")
AverageError: Inf
> cat("AverageError:", best_error, "\n")
AverageError: Inf
> cat("AverageError:", best_error, "\n")
AverageError: Inf
> cat("AverageError:", best_error, "\n")
AverageError: Inf


> > > setwd("C:/Users/miner/OneDrive/Desktop/ReRSTUDIO/")
> # Installa i pacchetti necessari se non sono già installati
> if (!require(readr)) {
+ install.packages("readr")
+ }
Caricamento del pacchetto richiesto: readr
Avvertimento in install.packages("readr"):
'lib = "C:/Program Files/R/R-4.3.1/library"' non è scrivibile
Errore in install.packages("readr") : non è possibile installare pacchetti
In aggiunta: Messaggio di avvertimento:
In library(package, lib.loc = lib.loc, character.only = TRUE, logical.return = TRUE, :
non c'è alcun pacchetto chiamato ‘readr’
> if (!require(dplyr)) {
+ install.packages("dplyr")
+ }
Caricamento del pacchetto richiesto: dplyr
Avvertimento in install.packages("dplyr"):
'lib = "C:/Program Files/R/R-4.3.1/library"' non è scrivibile
Errore in install.packages("dplyr") : non è possibile installare pacchetti
In aggiunta: Messaggio di avvertimento:
In library(package, lib.loc = lib.loc, character.only = TRUE, logical.return = TRUE, :
non c'è alcun pacchetto chiamato ‘dplyr’
> if (!require(tidyr)) {
+ install.packages("tidyr")
+ }
Caricamento del pacchetto richiesto: tidyr
Avvertimento in install.packages("tidyr"):
'lib = "C:/Program Files/R/R-4.3.1/library"' non è scrivibile
Errore in install.packages("tidyr") : non è possibile installare pacchetti
In aggiunta: Messaggio di avvertimento:
In library(package, lib.loc = lib.loc, character.only = TRUE, logical.return = TRUE, :
non c'è alcun pacchetto chiamato ‘tidyr’
>
> # Carica i pacchetti
> library(stringr)
Errore in library(stringr) : non c'è alcun pacchetto chiamato ‘stringr’
> library(readr)
Errore in library(readr) : non c'è alcun pacchetto chiamato ‘readr’
> library(dplyr)
Errore in library(dplyr) : non c'è alcun pacchetto chiamato ‘dplyr’
> library(tidyr)
Errore in library(tidyr) : non c'è alcun pacchetto chiamato ‘tidyr’
>
> # Percorso del file txt
> file_path <- "filediesempio.txt"
>
> # Leggi le righe dal file
> lines <- readLines(file_path)
>
> # Crea un dataframe vuoto per i dati
> data <- data.frame()
>
> # Estrai i numeri dalle righe valide
> for (line in lines) {
+ numbers <- str_extract_all(line, "\\d+")[[1]]
+ if (length(numbers) == 5) {
+ data <- rbind(data, as.numeric(numbers))
+ }
+ }
Errore in str_extract_all(line, "\\d+") :
non trovo la funzione "str_extract_all"
>
> # Assegna i nomi alle colonne
> colnames(data) <- c("Num1", "Num2", "Num3", "Num4", "Num5")
Errore in names(x) <- value :
l'attributo 'names' [5] dev'essere della stessa lunghezza del vettore [0]
>
>
>
> # Esegui K-means multiple volte e salva tutte le soluzioni
> num_clusters <- 5
> results <- list()
> best_error <- Inf
>
> for (i in 1:10) {
+ # Esegui K-means con configurazione iniziale casuale
+ set.seed(i)
+ clusters <- kmeans(data, centers = num_clusters)
+
+ # Calcola l'errore totale e l'errore medio
+ total_error <- sum(sqrt(rowSums((data - clusters$centers[clusters$cluster, ])^2)))
+ average_error <- total_error / nrow(data)
+
+ # Aggiorna i risultati migliori
+ if (average_error < best_error) {
+ best_error <- average_error
+ best_clusters <- clusters
+ }
+
+ # Salva il risultato corrente
+ results[] <- list(clusters = clusters, total_error = total_error, average_error = average_error)
+ }
Errore in sample.int(m, k) : primo argomento non valido
>
> # Stampa tutte le soluzioni ottenute
> cat("Soluzioni ottenute:\n")
Soluzioni ottenute:
> for (i in 1:length(results)) {
+ cat("Soluzione", i, "\n")
+ cluster <- round(results[]$clusters$centers[1, ])
+ cat(paste(cluster, collapse = "\t"), "\n")
+ cat("TotalError:", results[]$total_error, "\n")
+ cat("AverageError:", results[]$average_error, "\n\n")
+ }
Soluzione 1
Errore in results[] : subscript fuori limite
>
> # Stampa la soluzione teoricamente ottimale
> cat("Soluzione teoricamente ottimale:\n")
Soluzione teoricamente ottimale:
> cluster <- round(best_clusters$centers[1, ])
Errore: oggetto 'best_clusters' non trovato
> cat(paste(cluster, collapse = "\t"), "\n")
Errore: oggetto 'cluster' non trovato
> cat("TotalError:", best_error, "\n")
TotalError: Inf
> cat("AverageError:", best_error, "\n")
AverageError: Inf
> cat("AverageError:", best_error, "\n")
AverageError: Inf
> cat("AverageError:", best_error, "\n")
AverageError: Inf
> cat("AverageError:", best_error, "\n")
AverageError: Inf
> cat("AverageError:", best_error, "\n")
AverageError: Inf
> cat("AverageError:", best_error, "\n")
AverageError: Inf
> cat("AverageError:", best_error, "\n")
AverageError: Inf
> cat("AverageError:", best_error, "\n")
AverageError: Inf
> cat("AverageError:", best_error, "\n")
AverageError: Inf
> cat("AverageError:", best_error, "\n")
AverageError: Inf
> cat("AverageError:", best_error, "\n")
AverageError: Inf
> cat("AverageError:", best_error, "\n")
AverageError: Inf
> cat("AverageError:", best_error, "\n")
AverageError: Inf
> cat("AverageError:", best_error, "\n")
AverageError: Inf
> cat("AverageError:", best_error, "\n")
AverageError: Inf
> cat("AverageError:", best_error, "\n")
AverageError: Inf
> cat("AverageError:", best_error, "\n")
AverageError: Inf
> cat("AverageError:", best_error, "\n")
AverageError: Inf
> cat("AverageError:", best_error, "\n")
AverageError: Inf
> cat("AverageError:", best_error, "\n")
AverageError: Inf
> cat("AverageError:", best_error, "\n")
AverageError: Inf
> cat("AverageError:", best_error, "\n")
AverageError: Inf
>

 

[lotto_tom75]

legend e claudio8 siete proprio degli imbranati in campo AI

E' inutile che imbratti... il thread con ennemila errori... claudio8...

1) perchè nè io ne altri immagino.. siamo in grado di risolverli o di spiegarti da cosa derivino...

2) perchè anche io ho risolto dopo enne mila chat con lei copiando e incollando semplicemente... l'output di errore e aspettando che piano piano in diversi passaggi lei li risolvesse uno ad uno...

ad ogni modo, nonostante sembra che tu claudio non conosca la parolina magica... neanche quando si tratta di un ambiente totalmente nuovo x te...

eccoti(vi) la pappa bella e pronta ovvero l'ultima versione del mio script R realizzato da lei su mia richiesta e dopo appunto enne mila aggiustamenti di chat...

scriptR32-SCRIPT-TOP-PER-ADESSO.R

# Installa i pacchetti necessari se non sono già installati
if (!require(readr)) {
  install.packages("readr")
}
if (!require(dplyr)) {
  install.packages("dplyr")
}
if (!require(tidyr)) {
  install.packages("tidyr")
}
if (!require(stringr)) {
  install.packages("stringr")
}

# Carica i pacchetti
library(readr)
library(dplyr)
library(tidyr)
library(stringr)

# Percorso del file txt
file_path <- "filediesempio.txt"

# Leggi le righe dal file
lines <- readLines(file_path)

# Numero di righe lette dal file
num_rows <- length(lines)

# Crea un dataframe vuoto per i dati
data <- data.frame()

# Estrai i numeri dalle righe valide
for (line in lines) {
  numbers <- str_extract_all(line, "\\d+")[[1]]
  if (length(numbers) == 5) {
    data <- rbind(data, as.numeric(numbers))
  }
}

# Assegna i nomi alle colonne
colnames(data) <- c("Num1", "Num2", "Num3", "Num4", "Num5")

# Esegui K-means multiple volte e salva tutte le soluzioni
num_clusters <- 5
results <- list()
best_error <- Inf

for (i in 1:10) {
  # Esegui K-means con configurazione iniziale casuale
  set.seed(i)
  clusters <- kmeans(data, centers = num_clusters)
 
  # Calcola l'errore totale e l'errore medio
  total_error <- sum(sqrt(rowSums((data - clusters$centers[clusters$cluster, ])^2)))
  average_error <- total_error / nrow(data)
 
  # Aggiorna i risultati migliori
  if (average_error < best_error) {
    best_error <- average_error
    best_clusters <- clusters
  }
 
  # Salva il risultato corrente
  results[[i]] <- list(clusters = clusters, total_error = total_error, average_error = average_error)
}

# Stampa tutte le soluzioni ottenute
cat("Soluzioni ottenute:\n")
for (i in 1:length(results)) {
  cat("Soluzione", i, "\n")
  cluster <- format(round(results[[i]]$clusters$centers[1, ]))
  cat(paste(cluster, collapse = "\t"), "\n")
  cat("TotalError:", results[[i]]$total_error, "\n")
  cat("AverageError:", results[[i]]$average_error, "\n\n")
}

# Stampa la soluzione teoricamente ottimale
cat("Soluzione teoricamente ottimale:\n")
best_cluster <- format(round(best_clusters$centers[1, ]))
cat(paste(best_cluster, collapse = "\t"), "\n")
cat("TotalError:", best_error, "\n")
cat("AverageError:", best_error, "\n\n")

# Unisci tutte le soluzioni ottenute
all_clusters <- lapply(results, function(x) format(round(x$clusters$centers[1, ])))
all_clusters <- unlist(all_clusters)
all_clusters <- unique(all_clusters)

# Stampa il gruppo unione delle risultanze neurali
cat("Gruppo unione risultanze neurali (classe", length(all_clusters), "):\n")
cat(paste(all_clusters, collapse = "."), "\n\n")

# Stampa il gruppo unione delle risultanze multiple
multiple_clusters <- lapply(results, function(x) format(round(x$clusters$centers[1, ])))
multiple_clusters <- unlist(multiple_clusters)
cat("Gruppo unione risultanze multiple (classe", length(multiple_clusters), "):\n")
cat(paste(multiple_clusters, collapse = "."), "\n\n")

# Stampa il gruppo unione delle risultanze multiple con elementi ordinati
ordered_clusters <- sort(multiple_clusters)
cat("Gruppo unione risultanze multiple ordinate crescente (classe", length(ordered_clusters), "):\n")
cat(paste(ordered_clusters, collapse = "."), "\n\n")

# Stampa il gruppo unione finale ordinato senza valori multipli
final_union <- sort(unique(unlist(lapply(results, function(x) format(round(x$clusters$centers[1, ]))))))
cat("Gruppo unione finale ordinato senza valori multipli (classe", length(final_union), "):\n")
cat(paste(final_union, collapse = "."), "\n\n")

# Stampa il numero di righe lette dal file
cat("Numero di righe lette dal file:", num_rows, "\n\n")


# Riassunto delle presenze di ciascun elemento delle risultanze
summary <- table(multiple_clusters)
summary <- as.data.frame(summary)
colnames(summary) <- c("Elemento", "Presenze")
summary


# ... (Codice precedente)

# Stampa il gruppo unione delle risultanze neurali
cat("Gruppo unione risultanze neurali (classe", length(all_clusters), "):\n")
cat(paste(all_clusters, collapse = "."), "\n\n")

# Stampa il gruppo unione delle risultanze multiple
multiple_clusters <- lapply(results, function(x) format(round(x$clusters$centers[1, ])))
multiple_clusters <- unlist(multiple_clusters)
cat("Gruppo unione risultanze multiple (classe", length(multiple_clusters), "):\n")
cat(paste(multiple_clusters, collapse = "."), "\n\n")

# Stampa il gruppo unione delle risultanze multiple con elementi ordinati
ordered_clusters <- sort(multiple_clusters)
cat("Gruppo unione risultanze multiple ordinate crescente (classe", length(ordered_clusters), "):\n")
cat(paste(ordered_clusters, collapse = "."), "\n\n")

# Stampa il gruppo unione finale ordinato senza valori multipli
final_union <- sort(unique(unlist(lapply(results, function(x) format(round(x$clusters$centers[1, ]))))))
cat("Gruppo unione finale ordinato senza valori multipli (classe", length(final_union), "):\n")
cat(paste(final_union, collapse = "."), "\n\n")

# Stampa il numero di righe lette dal file
cat("Numero di righe lette dal file:", num_rows, "\n\n")


# Riassunto delle presenze di ciascun elemento delle risultanze
summary <- table(multiple_clusters)
summary <- as.data.frame(summary)
colnames(summary) <- c("Elemento", "Presenze")

# Stampa il gruppo unione finale con riassunto delle presenze
cat("Gruppo unione finale con riassunto delle presenze:\n")
final_union_with_summary <- paste(final_union, "(", summary$Presenze, ")", sep = "")
cat(paste(final_union_with_summary, collapse = "."), "\n")


# ... (Codice precedente)

# Riassunto delle presenze di ciascun elemento delle risultanze
summary <- table(multiple_clusters)
summary <- as.data.frame(summary)
colnames(summary) <- c("Elemento", "Presenze")

# Ordina il riassunto secondo le presenze decrescenti
summary <- summary[order(-summary$Presenze), ]

cat("\n")

# Stampa il gruppo unione finale ordinato secondo le presenze decrescenti
final_union_ordered <- final_union[match(summary$Elemento, final_union)]
cat("Gruppo unione finale ordinato secondo le presenze decrescenti (classe", length(final_union_ordered), "):\n")
cat(paste(final_union_ordered, collapse = "."), "\n")

cat ("\n")

# ... (Codice precedente)


# Stampa il gruppo unione finale ordinato secondo le presenze decrescenti con il rispettivo valore tra parentesi tonde
final_union_ordered <- final_union[match(summary$Elemento, final_union)]
final_union_ordered_with_summary <- paste(final_union_ordered, "(", summary$Presenze, ")", sep = "")
cat("Gruppo unione finale ordinato secondo le presenze decrescenti (classe", length(final_union_ordered), "):\n")
cat(paste(final_union_ordered_with_summary, collapse = "."), "\n")



cat ("\n")
cat ("\n")


# Messaggio di avvertimento
#cat("Messaggio di avvertimento:\n")
#cat("In readLines(file_path) : riga finale incompleta in 'filediesempio.txt'", "\n")

questo non solo estrapola le 10 condizioni teoricamente migliori secondo i parametri average e total error e sceglie tra queste la migliore tra tutte ovvero quella con i valori A. e T. E. minori ma anche, sempre su mia indicazione, e grazie all'indicibile abilità di cgpt, riesce anche a contare le presenze per ogni elemento per ogni risultanza neurale teoricamente ottimale trovata, ad ordinarle in modo decrescente evidenziando le presenze tra parentesi tonde per ogni singolo elemento da sx a dx.

Sono in grado di condividervi tutto questo dopo aver esplorato con non poca fatica... due ambienti anche per me totalmente nuovi... (R e l'AI appunto).

Per quanto riguarda il passaggio 7 credo si riferisca al fatto che come avevo sinteticamente spiegato al riguardo il file txt da cui prende le estrazioni della ruota voluta (in questo caso NA) è composto non solo dai 5 elementi intervallati da carattere punto (del tipo 1.2.3.4.5) ma anche da altri 5 spazi intervallati dallo stesso carattere separatore. Ad ogni modo questo controllo "extra" sugli elementi di riga l'ha aggiunto per evitare errori che altrimenti bloccavano l'analisi dell'algoritmo. Questa particolare formattazione con i 5 punti a destra dei numeri estratti mi è stata direttamente suggerita da lei per poter applicare l'analisi secondo l'algoritmo K-means che richiedeva appunto questi 5 spazi vuoti per poter operare dal punto di vista delle sue particolari analisi neurali...

eccovi un esempio di come il file txt è costruito con alcune delle ultime estrazioni formattate al suo interno (in questo esempio e test in tutto ca 1800 righe riferite alla sola ruota di NA)

44.46.48.65.81. . . . . .
23.85.72.62.19. . . . . .
16.60.38.84.65. . . . . .
72.63.26.01.49. . . . . .
25.42.71.35.45. . . . . .
66.42.28.08.63. . . . . .
38.68.63.32.64. . . . . .
76.17.89.22.14. . . . . .
66.05.73.72.01. . . . . .
67.79.38.04.81. . . . . .
13.01.18.41.58. . . . . .
37.57.28.72.74. . . . . .
20.44.58.19.45. . . . . .
33.17.57.78.04. . . . . .
82.58.03.18.42. . . . . .
86.67.81.77.79. . . . . .
20.56.26.72.39. . . . . .
20.84.04.21.66. . . . . .
29.67.61.14.45. . . . . .
54.89.06.33.44. . . . . .
17.33.85.03.50. . . . . .
83.45.74.23.52. . . . . .
19.02.62.68.15. . . . . .
44.72.59.83.12. . . . . .
14.04.13.86.30. . . . . .
04.39.78.53.69. . . . . .
11.78.51.45.77. . . . . .
17.41.33.57.80. . . . . .
27.29.13.55.37. . . . . .
72.43.17.89.47. . . . . .
12.08.86.70.64. . . . . .
12.87.53.30.17. . . . . .
13.45.77.63.39. . . . . .
84.12.71.36.66. . . . . .
...
ecc.. fin alla 1800 e passa...

Aspettando il grande rientro del leggendario... uomo d'acciaio... resto nel mio possibile a disposizione per tutti i test e chiarimenti che eventualmente vi necessiteranno al riguardo di questo nuovo studio...