ho eseguito 40 esperimenti ML automatizzati sul modello di dota 2 durante la notte il ciclo: l'agente AI modifica gli iperparametri → esegue il backtest → mantiene se migliore, ripristina se peggiore → ripeti punteggio iniziale: 0.628 migliore trovato: 0.6427 (+2.3%) principali scoperte: → il meta-apprendente più scarso (l1_ratio=0.20) è stato il miglior risultato → una foresta casuale più grande (500 alberi) ha aiutato → più regolarizzazione > più complessità 67.2% di accuratezza OOF, 15.8% di ROI su scommesse >2% nessuna GPU necessaria. funziona sul Mac mentre dormo

ho gestito un modello di scommesse su Dota 2 per alcune settimane. ultimi 3 giorni: mar 7: -$3,958 mar 8: +$4,033 mar 9: +$912 generale: $100k → $107,639 (+7.64% ROI) 51% tasso di vincita, 15.45% rendimento su quanto scommesso il vantaggio non sta nel scegliere i vincitori — sta nel trovare le quote che i bookmaker hanno valutato in modo errato

Il nostro modello di previsione per Dota 2 ha appena raggiunto il traguardo delle 3 settimane. 13 vittorie e 14 sconfitte, 48,1% di tasso di vincita, +$4.653 di profitto. $18.663 scommessi. 24,93% di rendimento. Il massimo drawdown è stato solo dell'1%. ROI attualmente a +4,65%. Il modello trova vantaggi che il mercato sottovaluta, dimensiona le scommesse in base alla fiducia e lascia che la matematica faccia il suo lavoro. La maggior parte delle scommesse è su sfavoriti con quote di 2.0+ — non è necessario vincere spesso quando si viene pagati bene. Il miglior giorno finora: 4 marzo, VP.Prodigy ML a 3,10 quote, +$2.152 su una singola scommessa. Il modello ha visto un vantaggio del 9,4% e ha dimensionato di conseguenza. 15 scommesse in sospeso per un valore di $14.236 in questo momento. Vedremo come andranno. Ci sono volute circa 7 settimane per costruirlo. Ho iniziato su carta per convalidare il vantaggio, ora sto operando con denaro reale. Costruendo in pubblico.