Sparse regression z automatyczną selekcją interakcji i kontrolą FDR
Model wykorzystujący regresję logistyczną z regularyzacją LASSO (L1) do automatycznej selekcji istotnych predyktorów z rozszerzonej przestrzeni cech zawierającej wszystkie interakcje. Generuje pełną macierz: parametry bazowe + wszystkie pary + wszystkie trójki, a LASSO automatycznie zeruje współczynniki nieistotnych cech - zostawiając TYLKO te kombinacje, które realnie wpływają na prawdopodobieństwo wylosowania. Korekcja FDR (Benjamini-Hochberg) kontroluje odsetek fałszywych odkryć przy testowaniu 49 kulek × setki cech. Wynik: precyzyjna, interpretowalna lista efektów LUB czyste potwierdzenie losowości. Średni czas analizy: 25min, predykcji: 0.01s.
Porównanie prognoz modelu z rzeczywistymi wynikami losowań
| Data | Prognoza modelu | Wynik losowania | Trafienia |
|---|---|---|---|
| 2026-07-28 dziś | — | Oczekiwanie na losowanie | |
| 2026-07-25 | — |
1
9
16
24
28
34
|
— |
| 2026-07-23 | — |
5
9
18
19
22
43
|
— |
| 2026-07-21 | — |
4
16
23
27
29
33
|
— |
| 2026-07-07 | — |
5
7
25
35
38
44
|
— |
| 2026-07-04 | — |
11
13
26
30
36
49
|
— |
| 2026-07-02 | — |
8
10
11
23
30
34
|
— |
| 2026-06-30 | — |
3
13
26
36
37
49
|
— |
| 2026-06-23 | — |
3
7
8
10
28
33
|
— |
| 2026-06-20 | — |
2
8
35
38
41
45
|
— |
| 2026-06-18 | — |
3
14
15
22
26
40
|
— |
| 2026-06-16 | — |
7
25
30
36
37
39
|
— |
| 2026-06-11 | — |
7
14
18
31
34
39
|
— |
| 2026-06-06 | — |
7
8
17
32
36
47
|
— |
| 2026-06-04 |
3
5
9
11
20
47
|
Brak danych | — |
| 2026-06-02 | — |
8
20
28
31
36
39
|
— |
Szczegółowy opis działania, parametrów i zastosowań algorytmu
LASSO Interaction Selector implementuje sparse regression w high-dimensional setting gdzie liczba cech może przekraczać liczbę obserwacji. LASSO (Least Absolute Shrinkage and Selection Operator) dodaje karę L1 do funkcji straty: minimize -L(β) + λΣ
Sprawdź nasze pozostałe modele AI lub wróć do strony głównej, aby zobaczyć aktualne prognozy.