Jump to content

Compartilhando meus estudos feitos em Python, utilizando rede neural


meloluan

Recommended Posts

3 horas atrás, meloluan disse:

@Nanilinho  Estranho, pq ele tá pegando um caminho relativo a minha máquina

Spoiler

/home/fernando/projetos/projetosenv/lib/python3.7/site-packages/pandas/core/indexing.py:205: SettingWithCopyWarning: 
A value is trying to be set on a copy of a slice from a DataFrame

See the caveats in the documentation: http://pandas.pydata.org/pandas-docs/stable/user_guide/indexing.html#returning-a-view-versus-a-copy
  self._setitem_with_indexer(indexer, value)
/home/fernando/projetos/projetosenv/lib/python3.7/site-packages/ipykernel_launcher.py:2: SettingWithCopyWarning: 
A value is trying to be set on a copy of a slice from a DataFrame

See the caveats in the documentation: http://pandas.pydata.org/pandas-docs/stable/user_guide/indexing.html#returning-a-view-versus-a-copy
  
1    1763
0     135
Name: ganhadores_15_números, dtype: int64

 

@meloluan no meu esta dando esta mensagem(no spoiler), percebi qua a pasta "pandas" não existe no diretorio,

 
---------------------------------------------------------------------------
NameError                                 Traceback (most recent call last)
<ipython-input-2-7b75b1487b07> in <module>
----> 1 ultimo_sorteio = sorted(anterior)
      2 jogos = 10
      3 
      4 for x in range(jogos):
      5     indexes = random.sample(range(0, 15), 10)

NameError: name 'anterior' is not defined

 

alguma dica...

 

Técnica e Investimento, Sempre!!

Link to comment
Share on other sites

Pessoal, boa tarde.

Segue o codigo descompilado. Lembrando que tem que baixar todas as bibliotecas necessarias

 

Spoiler

import pandas              as pd
import numpy               as np
import matplotlib.pyplot   as plt
import seaborn             as sns
import missingno           as msno
import requests 
import zipfile
from bs4 import BeautifulSoup
import lxml

#get_ipython().run_line_magic('matplotlib', 'inline')
#pd.set_option('display.max_columns',500)

url = 'http://www1.caixa.gov.br/loterias/_arquivos/loterias/D_lotfac.zip'
target_path = 'D_lotfac.zip'

response = requests.get(url, stream=True)
handle = open(target_path, "wb")
for chunk in response.iter_content(chunk_size=512):
    if chunk:  # filter out keep-alive new chunks
        handle.write(chunk)
handle.close()
with zipfile.ZipFile(target_path) as zf:
    zf.extractall()


fileHtml = 'd_lotfac.htm'

f = open(fileHtml, 'r', encoding='latin-1') 
table=f.read()

soup = BeautifulSoup(table, 'html.parser')
table = soup.find(name='table')

table_str = str(table)
df = pd.read_html(table_str)[0]



df.shape


df.dtypes


df['data_sorteio_conv'] = df.iloc[:,1]
df.data_sorteio_conv = pd.to_datetime(df.data_sorteio_conv)

df['day']   = df.data_sorteio_conv.dt.day
df['month'] = df.data_sorteio_conv.dt.month 
df['year']  = df.data_sorteio_conv.dt.year


df_ganhadores = df[:]

df_ganhadores.head()



# Visão geral do dataframe
msno.matrix(df=df.iloc[:,0:df.shape[1]], figsize=(20, 5), color=(0.42, 0.1, 0.05))


# Removendo valores nulos 
df = df.dropna(subset=['Concurso'])
msno.matrix(df=df.iloc[:,0:df.shape[1]], figsize=(20, 5), color=(0.42, 0.1, 0.05))

# Removendo colunas Cidade e UF
df = df.drop(['Cidade', 'UF'], axis=1)
msno.matrix(df=df.iloc[:,0:df.shape[1]], figsize=(20, 5), color=(0.42, 0.1, 0.05))


# Ganhadores X Volume do Prêmio por Estado 
ax = df_ganhadores.groupby(['UF'])['Ganhadores_13_Números'].agg('sum').sort_values(ascending=False).plot(kind='bar', title='Ganhadores por Estado', figsize=(15,5), fontsize=12, legend=True, position=1, color='gray')
# df_ganhadores.groupby(['UF'])['Rateio_Sena'].agg('sum').sort_values(ascending=False).plot(kind='bar', ax=ax, secondary_y=True, legend=True, position=0, color='blue')

# Ganhadores X Mes

# Ganhadores X Volume do Prêmio por Estado 
df_ganhadores.groupby(['month'])['Ganhadores_15_Números'].agg('sum').plot(kind='bar', title='Ganhadores X Mês', fontsize=12, figsize=(15,5), legend=True, color='gray')


# ### Analisando dezenas sorteadas


# Verificando se alguma vez as dezenas se repetiram na mesma ordem

df.groupby(['Bola1','Bola2', 'Bola3', 'Bola4', 'Bola5', 'Bola6','Bola7', 'Bola8', 'Bola9', 'Bola10', 'Bola11','Bola12', 'Bola13', 'Bola14', 'Bola15']).size().sort_values(ascending=False)


# As dezenas mais sorteadas em todos os jogos
dezenas = pd.DataFrame(df['Bola1'].tolist() + df['Bola2'].tolist() + df['Bola3'].tolist() + df['Bola4'].tolist() + df['Bola5'].tolist() + df['Bola6'].tolist() +df['Bola7'].tolist() + df['Bola8'].tolist() + df['Bola9'].tolist() + df['Bola10'].tolist() + df['Bola11'].tolist() + df['Bola12'].tolist() +
df['Bola13'].tolist() + df['Bola14'].tolist() + df['Bola15'].tolist(), columns=['numeros'])

dezenas['numeros'].value_counts().sort_values(ascending=True).head(15).plot(kind='barh', title='As quinze dezenas mais sorteadas em todos os jogos', figsize=(10,5), fontsize=12, legend=True, color='gray')


# # Preparando o dataset para o modelo

# Criando dataframe que vamos usar nos modelos 

df_clean = df
index = 0
anterior = ''
for concurso in df['Concurso']:
    if(concurso == anterior):
        df_clean = df_clean.drop(index)
    index += 1
    anterior = concurso

df_clean.shape

df_nn = df_clean[['Bola1','Bola2', 'Bola3', 'Bola4', 'Bola5', 'Bola6','Bola7', 'Bola8', 'Bola9', 'Bola10', 'Bola11','Bola12', 'Bola13', 'Bola14', 'Bola15', 'Ganhadores_15_Números']] 

# Deixando os nomes das coluna em minusculo
df_nn.columns = map(str.lower, df_nn.columns)

df_nn.head(15)

# Pode existir mais de um ganhador por jogo
df_nn[df_nn['ganhadores_15_números'] > 1].groupby('ganhadores_15_números')['ganhadores_15_números'].agg('count').plot(kind='bar',figsize=(10,5), color='gray', fontsize=12)


# Então tudo jogo que tiver um ou mais ganhadores deixamos como o numeoro 1
df_nn.loc[df_nn['ganhadores_15_números'] > 0, 'ganhadores_15_números'] = 1

df_nn['ganhadores_15_números'].value_counts().plot(kind='bar', figsize=(10,5), color='gray', fontsize=12)

print(df_nn['ganhadores_15_números'].value_counts())


from keras.models  import Sequential
from keras.layers  import Dense
from sklearn.model_selection import train_test_split



# Definição do seed para a reproducidade do modelo
np.random.seed(8)




# Separando target e classes
features = df_nn.iloc[:,0:15]
target   = df_nn.iloc[:,15]


# Dividindo dataset entre treino e teste
X_train, X_test, y_train, y_test = train_test_split(target, features, test_size=0.33, random_state=8)



# Criando modelo
modelo = Sequential()
modelo.add(Dense(10, input_dim=15, activation='relu'))
modelo.add(Dense(12, activation='relu'))
modelo.add(Dense(1, activation='sigmoid'))


# Compilando o modelo
modelo.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])


# Treinando modelo
modelo.fit(y_train, X_train, epochs=1800, batch_size=10)


# # Validando Modelo


# Avaliando modelo
scores = modelo.evaluate(y_test, X_test)
print("\n")
print("Acuracia do modelo")
print("\n%s: %2f%%" % (modelo.metrics_names[1], scores[1]*100))



numero_sorteio = [[1, 2, 3, 5, 7, 8, 10, 11, 12, 14, 15, 17, 21, 22, 24]]

y_predict = pd.DataFrame(numero_sorteio)
y_predict

predict_class = modelo.predict_classes(y_predict)
print("1 = Tem chance de ganhar / 0 = Não tem chance de ganhar")
print("\n")
print("Previsão Modelo: ",predict_class[0][0])



# Achando a probabilidade
predict_proba = modelo.predict_proba(y_predict)
print("Probabilidade: ", round((predict_proba[0][0]*100),2), "%")



import random

random.seed(25)

probabilidade_boa = 99
probabilidade_atual = 0

# Gerando list com as dezenas sorteadas
dezenas_sorteadas = df_nn[['bola1','bola2','bola3','bola4','bola5','bola6','bola7','bola8','bola9','bola10','bola11','bola12','bola13','bola14','bola15']].values.tolist()

# Gera sequencia de numeros até que a probabilidade seja maior ou igual que 99%
while(probabilidade_atual < probabilidade_boa):
    
    # Gera sequencia de número 
    dezenas = random.sample(range(1, 25), 15)
    
    # Numero gerado já foi sorteado?
    if not dezenas in dezenas_sorteadas:

        # Valida qual a probabilidade da seguência ser sorteada
        probabilidade_atual = int(modelo.predict_proba(pd.DataFrame([dezenas]))[0][0]*100)
    

print("Probabilidade de {0} % -> Dezenas: {1}".format(probabilidade_atual, sorted(dezenas)))   


# Gera sequencia de número 
dezenas_random = random.sample(range(1, 25), 15)

# Numero gerado já foi sorteado?
if not dezenas_random in dezenas_sorteadas:

    # Valida qual a probabilidade da seguência ser sorteada
    probabilidade_atual = int(modelo.predict_proba(pd.DataFrame([dezenas_random]))[0][0]*100)

print("Probabilidade de {0} % -> Dezenas: {1}".format(probabilidade_atual, sorted(dezenas_random)))   


## Isso é verdade?
num_bolas = 10

concurso = []
counts = []
anterior = [0,0,0,0,0,0,0,0,0,0,0,0,0,0,0]
for index, row in df_nn.iterrows():
    concurso = []
    concurso.append(row['bola1'])
    concurso.append(row['bola2'])
    concurso.append(row['bola3'])
    concurso.append(row['bola4'])
    concurso.append(row['bola5'])
    concurso.append(row['bola6'])
    concurso.append(row['bola7'])
    concurso.append(row['bola8'])
    concurso.append(row['bola9'])
    concurso.append(row['bola10'])
    concurso.append(row['bola11'])
    concurso.append(row['bola12'])
    concurso.append(row['bola13'])
    concurso.append(row['bola14'])
    concurso.append(row['bola15'])
    count = 0
    for x in range(15):
        if(np.count_nonzero(concurso==anterior[x]) > 0):
            count += 1
    if(count == num_bolas):
        counts.append(count)
    anterior = concurso


print('Probabilidade de repetir {0:d} números do jogo anterior: {1:.2f}%'.format(num_bolas,(len(counts)/df_nn.shape[0])*100))
print('{} vezes que {} números se repetiram no próximo jogo, em um total de {} jogos'.format(len(counts), num_bolas, df_nn.shape[0]))



ultimo_sorteio = sorted(anterior)
jogos = 10

for x in range(jogos):
    indexes = random.sample(range(0, 15), 10)
    valores = [ ultimo_sorteio[i] for i in indexes ]
    final = valores
    indexes = random.sample(range(0, 15), 15)
    for index in indexes:
        if not dezenas[index] in valores and not dezenas[index] in ultimo_sorteio:
            final.append(dezenas[index])
        if(len(final) == 15):
            break
    if len(final) < 15:
        print('Não completou')
        break
    
    if final in dezenas_sorteadas:
        print('Já sorteado')
    else:
        probabilidade_atual = int(modelo.predict_proba(pd.DataFrame([final]))[0][0]*100)
        print("Probabilidade de {0} % -> Dezenas: {1}".format(probabilidade_atual, sorted(final)))   

 

Sucesso sempre!

Link to comment
Share on other sites

ULTIMO SORTEIO - 1899

 

 

02 03 04 05 08 09 11 13 14 17 18 19 20 22 23                             10
01 02 03 04 05 09 10 12 14 17 18 20 21 22 23                             10
01 02 03 04 05 09 10 11 12 14 16 18 19 21 22                             10
01 02 03 04 08 10 12 13 16 17 18 20 21 22 23                             08
01 02 03 04 05 06 08 09 12 16 17 19 20 21 23                             10
01 02 03 04 06 10 13 16 17 18 19 20 21 22 23                             10
01 02 03 04 05 08 09 10 16 17 18 19 20 21 23                             11
01 03 04 09 10 11 13 14 16 17 19 20 21 22 23                             11
01 02 03 04 10 12 14 16 17 18 19 20 21 22 23                             10
01 02 04 05 06 08 09 10 11 13 14 17 18 19 22                             10

 

1900 ???

02 03 04 05 06 08 10 11 12 14 16 17 19 21 22
02 03 04 06 08 10 11 12 13 14 16 17 18 20 21
01 02 04 08 09 11 13 14 16 17 18 19 20 21 23
01 02 03 09 10 11 12 14 17 18 19 20 21 22 23
01 03 04 05 08 09 10 11 12 13 16 17 18 19 22
01 02 03 04 05 06 09 11 12 14 18 19 20 21 23
01 03 04 05 08 10 11 13 16 17 18 19 20 21 22
01 02 04 05 06 10 11 13 16 17 18 19 20 22 23
01 03 04 05 06 09 11 12 14 16 17 18 19 20 21
01 02 04 05 08 09 10 11 13 14 17 18 19 22 23

 

 

Edited by alecsass
Link to comment
Share on other sites

14 horas atrás, Marco Silva disse:

Pessoal, boa tarde.

Segue o codigo descompilado. Lembrando que tem que baixar todas as bibliotecas necessarias

 

  Ocultar conteúdo


import pandas              as pd
import numpy               as np
import matplotlib.pyplot   as plt
import seaborn             as sns
import missingno           as msno
import requests 
import zipfile
from bs4 import BeautifulSoup
import lxml

#get_ipython().run_line_magic('matplotlib', 'inline')
#pd.set_option('display.max_columns',500)

url = 'http://www1.caixa.gov.br/loterias/_arquivos/loterias/D_lotfac.zip'
target_path = 'D_lotfac.zip'

response = requests.get(url, stream=True)
handle = open(target_path, "wb")
for chunk in response.iter_content(chunk_size=512):
    if chunk:  # filter out keep-alive new chunks
        handle.write(chunk)
handle.close()
with zipfile.ZipFile(target_path) as zf:
    zf.extractall()


fileHtml = 'd_lotfac.htm'

f = open(fileHtml, 'r', encoding='latin-1') 
table=f.read()

soup = BeautifulSoup(table, 'html.parser')
table = soup.find(name='table')

table_str = str(table)
df = pd.read_html(table_str)[0]



df.shape


df.dtypes


df['data_sorteio_conv'] = df.iloc[:,1]
df.data_sorteio_conv = pd.to_datetime(df.data_sorteio_conv)

df['day']   = df.data_sorteio_conv.dt.day
df['month'] = df.data_sorteio_conv.dt.month 
df['year']  = df.data_sorteio_conv.dt.year


df_ganhadores = df[:]

df_ganhadores.head()



# Visão geral do dataframe
msno.matrix(df=df.iloc[:,0:df.shape[1]], figsize=(20, 5), color=(0.42, 0.1, 0.05))


# Removendo valores nulos 
df = df.dropna(subset=['Concurso'])
msno.matrix(df=df.iloc[:,0:df.shape[1]], figsize=(20, 5), color=(0.42, 0.1, 0.05))

# Removendo colunas Cidade e UF
df = df.drop(['Cidade', 'UF'], axis=1)
msno.matrix(df=df.iloc[:,0:df.shape[1]], figsize=(20, 5), color=(0.42, 0.1, 0.05))


# Ganhadores X Volume do Prêmio por Estado 
ax = df_ganhadores.groupby(['UF'])['Ganhadores_13_Números'].agg('sum').sort_values(ascending=False).plot(kind='bar', title='Ganhadores por Estado', figsize=(15,5), fontsize=12, legend=True, position=1, color='gray')
# df_ganhadores.groupby(['UF'])['Rateio_Sena'].agg('sum').sort_values(ascending=False).plot(kind='bar', ax=ax, secondary_y=True, legend=True, position=0, color='blue')

# Ganhadores X Mes

# Ganhadores X Volume do Prêmio por Estado 
df_ganhadores.groupby(['month'])['Ganhadores_15_Números'].agg('sum').plot(kind='bar', title='Ganhadores X Mês', fontsize=12, figsize=(15,5), legend=True, color='gray')


# ### Analisando dezenas sorteadas


# Verificando se alguma vez as dezenas se repetiram na mesma ordem

df.groupby(['Bola1','Bola2', 'Bola3', 'Bola4', 'Bola5', 'Bola6','Bola7', 'Bola8', 'Bola9', 'Bola10', 'Bola11','Bola12', 'Bola13', 'Bola14', 'Bola15']).size().sort_values(ascending=False)


# As dezenas mais sorteadas em todos os jogos
dezenas = pd.DataFrame(df['Bola1'].tolist() + df['Bola2'].tolist() + df['Bola3'].tolist() + df['Bola4'].tolist() + df['Bola5'].tolist() + df['Bola6'].tolist() +df['Bola7'].tolist() + df['Bola8'].tolist() + df['Bola9'].tolist() + df['Bola10'].tolist() + df['Bola11'].tolist() + df['Bola12'].tolist() +
df['Bola13'].tolist() + df['Bola14'].tolist() + df['Bola15'].tolist(), columns=['numeros'])

dezenas['numeros'].value_counts().sort_values(ascending=True).head(15).plot(kind='barh', title='As quinze dezenas mais sorteadas em todos os jogos', figsize=(10,5), fontsize=12, legend=True, color='gray')


# # Preparando o dataset para o modelo

# Criando dataframe que vamos usar nos modelos 

df_clean = df
index = 0
anterior = ''
for concurso in df['Concurso']:
    if(concurso == anterior):
        df_clean = df_clean.drop(index)
    index += 1
    anterior = concurso

df_clean.shape

df_nn = df_clean[['Bola1','Bola2', 'Bola3', 'Bola4', 'Bola5', 'Bola6','Bola7', 'Bola8', 'Bola9', 'Bola10', 'Bola11','Bola12', 'Bola13', 'Bola14', 'Bola15', 'Ganhadores_15_Números']] 

# Deixando os nomes das coluna em minusculo
df_nn.columns = map(str.lower, df_nn.columns)

df_nn.head(15)

# Pode existir mais de um ganhador por jogo
df_nn[df_nn['ganhadores_15_números'] > 1].groupby('ganhadores_15_números')['ganhadores_15_números'].agg('count').plot(kind='bar',figsize=(10,5), color='gray', fontsize=12)


# Então tudo jogo que tiver um ou mais ganhadores deixamos como o numeoro 1
df_nn.loc[df_nn['ganhadores_15_números'] > 0, 'ganhadores_15_números'] = 1

df_nn['ganhadores_15_números'].value_counts().plot(kind='bar', figsize=(10,5), color='gray', fontsize=12)

print(df_nn['ganhadores_15_números'].value_counts())


from keras.models  import Sequential
from keras.layers  import Dense
from sklearn.model_selection import train_test_split



# Definição do seed para a reproducidade do modelo
np.random.seed(8)




# Separando target e classes
features = df_nn.iloc[:,0:15]
target   = df_nn.iloc[:,15]


# Dividindo dataset entre treino e teste
X_train, X_test, y_train, y_test = train_test_split(target, features, test_size=0.33, random_state=8)



# Criando modelo
modelo = Sequential()
modelo.add(Dense(10, input_dim=15, activation='relu'))
modelo.add(Dense(12, activation='relu'))
modelo.add(Dense(1, activation='sigmoid'))


# Compilando o modelo
modelo.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])


# Treinando modelo
modelo.fit(y_train, X_train, epochs=1800, batch_size=10)


# # Validando Modelo


# Avaliando modelo
scores = modelo.evaluate(y_test, X_test)
print("\n")
print("Acuracia do modelo")
print("\n%s: %2f%%" % (modelo.metrics_names[1], scores[1]*100))



numero_sorteio = [[1, 2, 3, 5, 7, 8, 10, 11, 12, 14, 15, 17, 21, 22, 24]]

y_predict = pd.DataFrame(numero_sorteio)
y_predict

predict_class = modelo.predict_classes(y_predict)
print("1 = Tem chance de ganhar / 0 = Não tem chance de ganhar")
print("\n")
print("Previsão Modelo: ",predict_class[0][0])



# Achando a probabilidade
predict_proba = modelo.predict_proba(y_predict)
print("Probabilidade: ", round((predict_proba[0][0]*100),2), "%")



import random

random.seed(25)

probabilidade_boa = 99
probabilidade_atual = 0

# Gerando list com as dezenas sorteadas
dezenas_sorteadas = df_nn[['bola1','bola2','bola3','bola4','bola5','bola6','bola7','bola8','bola9','bola10','bola11','bola12','bola13','bola14','bola15']].values.tolist()

# Gera sequencia de numeros até que a probabilidade seja maior ou igual que 99%
while(probabilidade_atual < probabilidade_boa):
    
    # Gera sequencia de número 
    dezenas = random.sample(range(1, 25), 15)
    
    # Numero gerado já foi sorteado?
    if not dezenas in dezenas_sorteadas:

        # Valida qual a probabilidade da seguência ser sorteada
        probabilidade_atual = int(modelo.predict_proba(pd.DataFrame([dezenas]))[0][0]*100)
    

print("Probabilidade de {0} % -> Dezenas: {1}".format(probabilidade_atual, sorted(dezenas)))   


# Gera sequencia de número 
dezenas_random = random.sample(range(1, 25), 15)

# Numero gerado já foi sorteado?
if not dezenas_random in dezenas_sorteadas:

    # Valida qual a probabilidade da seguência ser sorteada
    probabilidade_atual = int(modelo.predict_proba(pd.DataFrame([dezenas_random]))[0][0]*100)

print("Probabilidade de {0} % -> Dezenas: {1}".format(probabilidade_atual, sorted(dezenas_random)))   


## Isso é verdade?
num_bolas = 10

concurso = []
counts = []
anterior = [0,0,0,0,0,0,0,0,0,0,0,0,0,0,0]
for index, row in df_nn.iterrows():
    concurso = []
    concurso.append(row['bola1'])
    concurso.append(row['bola2'])
    concurso.append(row['bola3'])
    concurso.append(row['bola4'])
    concurso.append(row['bola5'])
    concurso.append(row['bola6'])
    concurso.append(row['bola7'])
    concurso.append(row['bola8'])
    concurso.append(row['bola9'])
    concurso.append(row['bola10'])
    concurso.append(row['bola11'])
    concurso.append(row['bola12'])
    concurso.append(row['bola13'])
    concurso.append(row['bola14'])
    concurso.append(row['bola15'])
    count = 0
    for x in range(15):
        if(np.count_nonzero(concurso==anterior[x]) > 0):
            count += 1
    if(count == num_bolas):
        counts.append(count)
    anterior = concurso


print('Probabilidade de repetir {0:d} números do jogo anterior: {1:.2f}%'.format(num_bolas,(len(counts)/df_nn.shape[0])*100))
print('{} vezes que {} números se repetiram no próximo jogo, em um total de {} jogos'.format(len(counts), num_bolas, df_nn.shape[0]))



ultimo_sorteio = sorted(anterior)
jogos = 10

for x in range(jogos):
    indexes = random.sample(range(0, 15), 10)
    valores = [ ultimo_sorteio[i] for i in indexes ]
    final = valores
    indexes = random.sample(range(0, 15), 15)
    for index in indexes:
        if not dezenas[index] in valores and not dezenas[index] in ultimo_sorteio:
            final.append(dezenas[index])
        if(len(final) == 15):
            break
    if len(final) < 15:
        print('Não completou')
        break
    
    if final in dezenas_sorteadas:
        print('Já sorteado')
    else:
        probabilidade_atual = int(modelo.predict_proba(pd.DataFrame([final]))[0][0]*100)
        print("Probabilidade de {0} % -> Dezenas: {1}".format(probabilidade_atual, sorted(final)))   

 

Sucesso sempre!

Rodou assim sem erros?

Link to comment
Share on other sites

14 minutos atrás, Nanilinho disse:

Seguindo tuto e adaptando no linux, consegui rodar sem erros.

 

 

Boa @Nanilinho ! Bom saber que usa linux, também uso e tive que adaptar um tutorial para o Windows, que acredito ser o sistema operacional que a galera usa.

Tem como você contribuir no projeto fazendo o tutorial para Linux, aí ficaria mais completo.

Link to comment
Share on other sites

Em 03/12/2019 em 09:51, meloluan disse:

Segue o repositório com o código-fonte em Python dos meus estudos. Caso tenham dificuldade para utilizar, eu posso ajudar por aqui.

No sorteio 1898 fiz 12 jogos e 3 retornaram 12 pontos.

 

https://github.com/meloluan/Estudo_Lotofacil

@meloluan

Boa Tarde, se fosse para abrir um arquivo texto, em vez de baixar e descompactar, como ficaria In[1] e In[2] ?

estava lendo uma matéria sobre "machine learning" e gostaria de fazer alguns testes, não manjo nada de python, poderia me ajudar?

 

Obrigado

 

Link to comment
Share on other sites

26 minutos atrás, meloluan disse:

melhorar a predição

Luan, caso consiga predição de 4 acertos e não mais em 11D  já será o maior feito até aqui que conheço, não estou dizendo que não existe, só não conheço.

Tivesse eu e aplicaria um FF88 e seria só felicidade.

Para não dizer que falei das flores e escondi o jardim spoiler

Spoiler

image.png.c666839596d43832b2e22443df62aadd.png

 

Link to comment
Share on other sites

33 minutos atrás, Julio Cezar disse:

Luan, caso consiga predição de 4 acertos e não mais em 11D  já será o maior feito até aqui que conheço, não estou dizendo que não existe, só não conheço.

Tivesse eu e aplicaria um FF88 e seria só felicidade.

Para não dizer que falei das flores e escondi o jardim spoiler

  Mostrar conteúdo oculto

image.png.c666839596d43832b2e22443df62aadd.png

 

Ave Cezar estamos chegando lá...

 

Logo logo veremos esse jardim florecer...

 

Técnica e Investimento, Sempre!!

Link to comment
Share on other sites

17 horas atrás, FF882007 disse:

Agora funcionando....

 

1639574074_dica1900.png.dbed92f17970a9737bfd7ba33c2879ee.png

 

....maximo 10 pontos no 1900, vou dfar uma sujestão para testes, suponhamos q os dados base estivessem todos errados

e não correspondessem a estatistica real , nesse caso a rede se baseia no erro e seus prognosticos copiam o erro baseado

nas estatisticas do amostral, a minha sujestão é colocar um outro tipo de resultado pra forçar a rede a dar um valor correto ou perto disso

um bom exemplo seria pegar o ultimo resultado e desdobrar em 20 /30 ou mais linhas de 10 fazer os espelhos de 15 e jogar na rede como

se fosse o sorteio real dai se pega um amostral de 100 ultimos sorteios reais e se adiciona os desdobrados do ultimo concurso pra

rede cruzar e dar os palpites "errados" q podem ser os certos, capite ?

Link to comment
Share on other sites

2 minutos atrás, PARAFUSO disse:

 

....maximo 10 pontos no 1900, vou dfar uma sujestão para testes, suponhamos q os dados base estivessem todos errados

e não correspondessem a estatistica real , nesse caso a rede se baseia no erro e seus prognosticos copiam o erro baseado

nas estatisticas do amostral, a minha sujestão é colocar um outro tipo de resultado pra forçar a rede a dar um valor correto ou perto disso

um bom exemplo seria pegar o ultimo resultado e desdobrar em 20 /30 ou mais linhas de 10 fazer os espelhos de 15 e jogar na rede como

se fosse o sorteio real dai se pega um amostral de 100 ultimos sorteios reais e se adiciona os desdobrados do ultimo concurso pra

rede cruzar e dar os palpites "errados" q podem ser os certos, capite ?

Bem pensado, se verificar uns posts acima verá que pedi ao @meloluan me ajudar a buscar os dados em um arquivo texto no lugar de baixar os resultados, objetivando fazer o que propôs.

 

Técinica e Investimento, Sempre!!

Link to comment
Share on other sites

2 minutos atrás, FF882007 disse:

Bem pensado, se verificar uns posts acima verá que pedi ao @meloluan me ajudar a buscar os dados em um arquivo texto no lugar de baixar os resultados, objetivando fazer o que propôs.

 

Técinica e Investimento, Sempre!!

a anos venho usando um programa e os resultados reais dos sorteios não funcionam, os palpites gerados beiram a margem dos 60% como qualquer palpite feito a olho no entanto confundindo o programa ja chegou a acertar 12/13 pontos em 5 palpites, apenas em testes , acredito q os resultados reais dos sorteios não funcionam se precisa de outro parametro

Link to comment
Share on other sites

Join the conversation

You can post now and register later. If you have an account, sign in now to post with your account.
Note: Your post will require moderator approval before it will be visible.

Guest
Reply to this topic...

×   Pasted as rich text.   Paste as plain text instead

  Only 75 emoji are allowed.

×   Your link has been automatically embedded.   Display as a link instead

×   Your previous content has been restored.   Clear editor

×   You cannot paste images directly. Upload or insert images from URL.

  • Recently Browsing   0 members

    • No registered users viewing this page.
×
×
  • Create New...