Hallo zusammen,
Ich wollte mein Verständnis der statistischen Algorithmen vertiefen, die bei der Datennormalisierung und ML-Vorverarbeitung verwendet werden, und habe daher ein Tool entwickelt, um den wohl chaotischsten verfügbaren Datensatz zu analysieren: Lotterieziehungen.
Der Tech-Stack: Ursprünglich in PHP (Backend) geschrieben, habe ich die Logik mithilfe von Chart.js zur Visualisierung in eine HTML/JS-Einzeldateianwendung portiert.
Die Mathematik (der lustige Teil): Anstatt es zu versuchen "vorhersagen" Zahlen (was unmöglich ist), habe ich die Daten verwendet, um statistische Konzepte zu visualisieren:
- Shannon-Entropie: Visualisierung der "Zufälligkeitsqualität" des Sets. Hohe Entropie = gute Verteilung.
- Diskrete Fourier-Transformation (DFT): Zerlegen Sie die zu findende Zeitreihe "periodische Muster" oder Zyklen in den Ziehungssummen.
- Markov-Ketten: Eine Heatmap, die Übergangswahrscheinlichkeiten zeigt (d. h. wie oft N auf X folgt).
- Monte-Carlo: Ausführen von 10.000 Simulationen im Browser, um Wahrscheinlichkeitsverteilungen grafisch darzustellen.
Es war eine großartige Übung, um zu verstehen, wie Maschinen funktionieren "Sicht" Datensequenzen. Der Code generiert clientseitig Scheindaten, sodass Sie sofort sehen können, wie die Algorithmen funktionieren.
Hier sind einige Screenshots der laufenden Analyse. Lassen Sie mich wissen, wenn Sie weitere Ideen zur Messung der Varianz in Gleichverteilungen haben!
Repository: https://github.com/mariorazo97/statistical-pattern-analyzer
Von Asleep_Job_8950