Casino vs Keras: creación de una red LSTM.

Prediccionador 6

Las primeras 5 versiones fueron eliminadas/ no consideradas.

Ronda número 6 queriendo ganarle al casino usando AI. Para ser más específico una RNN creada por unidades LSTM.

Dado que los hechos fueron hace más de un 1 meses, voy a comenzar por el guión:

Parece que la explicación y una breve opinión personal vienen incluídas en el guión! Genial, reciclemos!

*La red del modelo puede no ser la misma a la creada por prediccionador_6 dado los diversos cambios que se fueron realizando en el proceso de creación.


El mecanismo devuelve valores que varian del 5 al 6.

Los valores cercanos al 6 suelen ser más seguros,  sin embargo, el verdadero indicador es si el valor asciende o decae en relación al valor previo.

Si el valor anda en en rangos de 6, y se desplaza hacia el 5, es recomendable no hacer nada, # a la inversa, cuando anda en rangos de 5 y avanza hacia el 6, es recomendable posicionarse.

Las unidades de LSTM suben el valor de prediccion (ynew) cuando consideran que la chance subio, del mismo modo, el valor disminuye, cuando la probabilidad desciende.

Addendum: la variación parece ser relevancia, del mismo modo que el número, quizás sería bueno hacer <ynew_previo – ynew ahora> para que calcule la diferencia.

Se usan los mecanismos del prediccionador 5 buscando mayor performance y se añade inserción de información a mariadb para análisis y revisión.

El modelo señaló como mayores: 979 valores, de los cuales:

  • Valore mayores: 556 | (56,79%)
  • Valore menores: 423 | (43,20%)
  • Diferencia: 133 | (13.59%)

Aclaraciones: al día de la fecha de edición, si bien el modelo logró hacer algunas buenas clasificaciones, al largo plazo, por lo que recuerdo falló.

El modelo, con ayuda del guion clasifico (más allá de que el modelo por si sólo no realiza clasificaciones), 979 predicciones de números mayores a 2 (el volúmen de números que fue clasificado como menores no es mencionado, sin embargo, podría recordar que serían al menos dos veces más).

De las 979 predicciones, el 56,79% fueron válidas, y el 43,20% equivocas, con una diferencia de 133 predicciones válidas, las cuales equivaldrían a la ganancia de 133 unidades.

Si alguien deseara re-evaluar el guión o el modelo creado por el mismo a fin de realizar cambios en el mismo, véase libre de hacerlo.


Download now!


Prediccionador 8

Se realizan varios cambios, pasando a usar un modelo supervisado, y cambiando de manera crucial la forma en la que las unidades de LSTM aprenden. Si mal no recuerdo no fue favorable.


Prediccionador 9

Se crea un modelo supervisado, análogo al prediccionador 8, se cambia la selección realizada a la db, y se modifica el guión a fin de realizar pruebas sobre la información ya guardada en la db, a fines de probar los modelos a mayor velocidad, sin necesidades de esperar a la próxima ronda.

Las pruebas con ai, duraron más de 3 semanas, y sin embargo, creo que podrían haber sido muchísimas más, en especial hacer uso de las redes neuronales LSTM para buscar formas, o figuras, que después podrían haber sido empleadas en las selecciones sobre los mapas de azar.

Valdría la pena profundizar con el análisis. Diversas pruebas realizadas con Orange y R no fueron incluidas dado que se consideraron de menor relevancia.

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *