功能

14 个统计预测引擎

每个引擎都对你的旋转记录采用不同的统计方法,从多个角度呈现模式概率,而非给你一个让你盲从的单一数字。

• 热/冷数字频率 — 在你选择的回看窗口内,跟踪哪些数字和区段的出现频率高于或低于其期望值。
• Markov Chain 分析 — 对旋转之间的转移概率建模。检测纯频次统计会忽略的连续模式。
• Bayesian 概率 — 随每次新旋转更新先验概率估计,并随着证据累积赋予近期数据更高的权重。
• 间隔/干涸分析 — 测量每个数字未出现的时间。识别相对于其期望复现间隔在统计上已“过期”的数字。
• 邻位聚类 — 分析轮盘的物理布局。检测结果是否聚集在特定扇区——这是机械性偏差的经典指标。
• Chi-Square 拟合优度检验 — 检验观测到的旋转分布是否显著偏离一个完全公平的轮盘(均匀分布)。
• 标准差评分 — 在多个时间窗口内量化某个数字或区段相对其期望均值的偏离程度。
• 趋势动量 — 采用短窗口指数加权,在连胜/连号完全形成之前提前发现其端倪。
• 熵分析 — 测量旋转序列的随机性。低熵提示存在值得调查的非随机模式。
• Z-Score 排名 — 对全部 37 或 38 个数字的偏差分数进行归一化,使各引擎在不同样本量下也能直接对比。
• 扇区偏差检测 — 将数字按轮盘的三分之一和二分之一分组。在分析单个数字之前,先在扇区层面检测失衡的结果。
• 周期检测 — 通过自相关在旋转记录中查找重复的子序列。
• 回归至均值 — 标记近期偏离剧烈、可能回归到期望频率的数字。
• 综合评分(Composite Score) — 其他所有引擎的加权汇总,根据你的会话长度和台桌样本量进行校准。

6 个 AI 与机器学习模型

机器学习模型完全在你的设备上通过 TensorFlow Lite 运行。任何数据都不会离开你的手机。

• XGBoost (Gradient Boosting) — 梯度提升决策树模型。擅长发现从旋转记录中提取的特征之间的非线性交互。
• Transformer-LSTM 混合模型 — 将 LSTM 的序列记忆与 Transformers 的注意力机制相结合。最适合在长会话中检测远程依赖关系。
• 卷积神经网络(CNN) — 将旋转记录视为一维信号。在序列中检测局部模式基元(短的重复段)。
• Random Forest 集成模型 — 对数百棵决策树的预测取平均。在小样本下对过拟合具有较强的鲁棒性。
• LSTM (Long Short-Term Memory) — 纯循环模型。基于你的会话数据学习哪些历史模式应当保留,哪些应当丢弃。
• 集成元模型(Ensemble Meta-Model) — 在其他五个模型的输出上进行训练的第二层模型。通过学习哪些基模型在你特定的数据画像上表现最好,生成经过校准的最终预测。

会话与赌场管理

• ✓跨不同台桌同时跟踪多个会话
• ✓每个会话的资金管理(bankroll)及净盈亏
• ✓按台桌的历史记录及完整旋转日志
• ✓Casino Finder——使用 Google Places 查找附近的赌场
• ✓将会话数据导出为 JSON 以便自行分析
• ✓随时一键删除全部数据

Privacy by Design(隐私优先设计)

所有旋转数据、会话历史和 AI 推理均使用加密的 SQLite 数据库在你的设备上本地运行。无需账号。任何数据都不会传输到我们的服务器或任何第三方(通过 Firebase Crashlytics 发送的匿名崩溃报告除外,其中不包含任何旋转或赌场数据)。