機能

14の統計予測エンジン

各エンジンは異なる統計手法をスピン履歴に適用し、盲目的に従う1つの数字ではなく、パターンの確率を多角的に提示します。

• ホット/コールド数値の頻度 — 選択したルックバック期間において、どの数字やセクションが期待頻度を上回るか下回るかを追跡します。
• Markov Chain分析 — スピンからスピンへの遷移確率をモデル化します。単純な頻度集計では見逃される連続パターンを検出します。
• ベイズ確率(Bayesian) — 新しいスピンごとに事前確率の推定を更新し、エビデンスが蓄積されるにつれて直近のデータをより重く扱います。
• ギャップ/ドラウト分析 — 各数字が出現していない期間を測定します。期待される再出現間隔に対して統計的に「過熟」となっている数字を特定します。
• 近傍クラスタリング — ホイールの物理的配置を解析します。結果が特定のセクターに集中しているか — 機械的偏りの古典的な指標 — を検出します。
• Chi-Square適合度検定 — 観測されたスピン分布が、完全に公正なホイール(一様分布)から有意に逸脱しているかを検定します。
• 標準偏差スコアリング — 数字やセクションが、複数の時間ウィンドウにわたって期待平均からどれだけ乖離したかを定量化します。
• トレンド・モメンタム — 短いウィンドウの指数加重により、連続(ストリーク)が完全に発展する前にその兆しを検出します。
• エントロピー分析 — スピン列のランダム性を測定します。低エントロピーは、調査する価値のある非ランダムなパターンを示唆します。
• Z-Scoreランキング — 37または38すべての数字における偏差スコアを正規化し、サンプルサイズに関わらずエンジン同士を直接比較できるようにします。
• セクター偏り検出 — 数字をホイールの3分割・2分割にグループ化します。個別の数字を分析する前に、セクター単位の偏りを検出します。
• サイクル検出 — 自己相関を用いてスピン履歴中の繰り返しサブシーケンスを探索します。
• 平均回帰 — 最近大きく逸脱した数字を検出し、期待頻度に戻る可能性をフラグ付けします。
• コンポジット・スコア — 他のすべてのエンジンの加重統合で、セッション長とテーブルのサンプルサイズに合わせて較正されます。

6つのAI・機械学習モデル

機械学習モデルはTensorFlow Liteを用いて完全にデバイス上で動作します。データが端末を離れることはありません。

• XGBoost (Gradient Boosting) — 勾配ブースティング決定木モデル。スピン履歴から抽出された特徴量間の非線形な相互作用を発見することに優れています。
• Transformer-LSTMハイブリッド — LSTMの逐次記憶とTransformerのアテンション機構を組み合わせます。長時間のセッションにおける長距離依存の検出に最適です。
• 畳み込みニューラルネットワーク(CNN) — スピン履歴を1次元信号として扱います。系列内の局所的なパターン(短い繰り返し)を検出します。
• Random Forestアンサンブル — 数百本の決定木の予測を平均します。小さなサンプルにおける過学習に強いです。
• LSTM (Long Short-Term Memory) — 純粋な再帰モデル。セッションデータから、保持すべき過去のパターンと捨てるべきパターンを学習します。
• アンサンブル・メタモデル — 他の5モデルの出力を入力として学習する第2層モデル。あなた固有のデータプロファイルでどのベースモデルが最も性能を発揮するかを学習し、較正された最終予測を生成します。

セッションとカジノの管理

• ✓異なるテーブルにわたる複数の同時セッションを追跡
• ✓セッションごとのバンクロール管理と純損益
• ✓テーブル別の履歴とすべてのスピンログ
• ✓Casino Finder — Google Placesを使用して近くのカジノを検索
• ✓セッションデータをJSONとしてエクスポートし、自分で分析
• ✓ワンタップでいつでもすべてのデータを削除

プライバシー・バイ・デザイン

すべてのスピンデータ、セッション履歴、AI推論は、暗号化されたSQLiteデータベースを使用してデバイス上でローカルに実行されます。アカウントは不要です。データが当社のサーバーや第三者に送信されることはありません(スピンやカジノのデータを一切含まないFirebase Crashlytics経由の匿名クラッシュレポートを除く)。