Lotofácil

Para cada número i, calcula a frequência nos últimos W concursos (sucessos) em M tentativas. Usa posterior Beta(a+sucessos, b+M−sucessos) e o valor esperado (a+sucessos)/(a+b+M) como probabilidade, amostrando 15 sem reposição por esses pesos.

Estes presets preenchem os campos acima. Ajuste conforme necessário.

Calcula a frequência dos últimos W concursos. Cada número i recebe peso (freq[i]+ε)α. Os 15 números são amostrados sem reposição, proporcional aos pesos.

Estes presets preenchem os campos acima. Ajuste conforme necessário.

Calcula a frequência dos últimos W concursos. Seleciona exatamente kTop números do topo (maiores frequências) e kBottom do fundo (menores frequências). Os demais até 15 são escolhidos entre os restantes, ponderados pela frequência.

• Janela W: concursos considerados na frequência. Maior W = mais estável, porém mais lento.
• Recentes k: concursos mais recentes que influenciam uma feature separada. Aumenta sensibilidade a tendências.
• Iterações: passos do treinamento (gradiente). Mais iterações podem melhorar o ajuste, mas aumentam o tempo.
• LR (learning rate): taxa de aprendizado. Intervalo sugerido: 0,01–0,10. Muito alto pode divergir; muito baixo fica lento.
• L2: regularização para evitar overfitting. Use valores pequenos (ex.: 0,0001–0,001).

Dica: em dispositivos fracos, reduza W e Iterações. Quando há muitos dados, a página usa automaticamente uma amostra recente e pode reduzir as iterações para manter a interface responsiva.

Estes presets preenchem os campos acima. Ajuste conforme necessário.

Para cada número i, cria amostras ao longo do tempo com features x=(freq_W, recent_k) e rótulo y∈{0,1}. Estima médias/variâncias por classe e prior P(y). Para o estado atual (D−1), calcula P(y=1|x) por GNB e escolhe os 15 maiores; para N jogos, amostra sem reposição usando pesos proporcionais ao posterior.

Para cada número i, cria amostras com x=[1,freq_W, recent_k] e rótulo y∈{0,1}. Treina um MLP de 1 camada oculta (H neurônios, ativação selecionada) com saída sigmoide. Para o estado atual, calcula P(y=1|x) e pega os 15 maiores. Em N jogos, amostra sem reposição ponderando por P.

Usa todo o histórico disponível. Monta inicialmente um conjunto com números menos frequentes e aplica ajustes heurísticos para reduzir a sobreposição máxima com qualquer sorteio passado até ficar ≤ ao limite. Em casos extremos, pode não haver solução para limites muito baixos.