境界線 at (0:1) in Dic(s)

[0]0から１の間で、状態をクラス分けするための、境界線が必要になる。
---
既に、勝手に、４分割で、c(0, 0.25, 0.5, 0.75, 1)あり。
３分割では、c(0, 0.333, 0.666, 0.999~1),...
３分割と４分割の合体版 : c(0, 0.25, 0.333, 0.5, 0.666, 0.75, 1),...
更に、0.5前後に１０％の範囲で、c(0.45, 0.5, 0.55)を加えて、...
~c(0, 0.25, 0.333, 0.45, 0.5, 0.55, 0.666, 0.75, 1),...とかもあります。
１から２分割で、c(1, 0.5, 0.25, 0.125, 0.0625, 0.03125, 0.015625)*100%
~c(100, 50, 25, 12.5, 6.25, 3.12, 1.56)~rev(int())~c(2, 3, 6, 12-13?, 25, 50, 100),...
---
上記の合体版で、100%表記にすると、
c(0, 2, 3, 6, 12-13?, 25, 33, 45, 50, 55, 66-67, 75, 100),...の区分けなどが考えられる。
---
前に0.5の前後１０％をあげたが、両端にも適用すると、c(0, 0.1, 0.9, 1.0),...も追加で、
c(0, 2, 3, 6, 10, 12-13?, 25, 33, 45, 50, 55, 66-67, 75, 90, 100),...の区分けなどが考えられる。

[1]この境界線の決定を恣意的だとしても、何らかの拠り所を得たい。
[2]本：「感染の法則」アダム・クチャルスキー、草思社、2021/03/05、p.260-261)から
0＜R＜1 : 感染爆発のサイズ(A)＝1+R+R^2+R^3+... =1/(1-R)
R=1-(1/A),
---
R=0.1, A=1.11
R=0.2, A=1.25
R=0.25, A=1.333
R=0.3, A=1.42
R=0.4, A=1.66
R=0.5, A=2 : 恣意的に着目。0.5=>50%
R=0.6, A=2.5
R=0.666, A=3 : 恣意的に着目。0.666=>66.6%
R=0.7, A=3.33
R=0.75, A=4 : 恣意的に着目。0.75=75%
R=0.8, A=5
R=0.833, A=6
R=0.857, A=7
R=0.875, A=8
R=0.888, A=9
R=0.9, A=10
---
R=0.8で、５人の感染者。
H7N9鳥インフルエンザ、ヒトの平均サイズ ~1.04人で、R=0.04,
2004年、銃規制キャンペーンのEメール~2.4人前後で、R=0.58,
ハリケーン・カトリーナの救援資金は、R=0.77,
ある洗剤のコマーシャルは、R=0.44,
とか,...

[3]ポーカー・ハンドの一覧、確率、wikipediaから
５枚組み、全役 : ストレートフラッシュから、ハイカードまで、
確率%=c(0.0015, 0.024, 0.14, 0.2, 0.39, 2.1, 4.75, 42.25, 50),
min(＜10)~2, max(all)=50, average(all)=11.095~(11)~(12)?
---
７枚組み、全役 : ストレートフラッシュから、ハイカードまで、
確率%=c(0.031, 0.17, 2.6, 3.0, 4.6, 4.8, 23.5, 43.8, 17.4),
min(＜10)~2, max(all)=43.8~50, average(all)=11.01~(11)~(12)?
---
これらから、~c(2, 11-12, 50)が出て来る,...

[4]脳波も面白い,,,
now : work32.r / v_brainWave_border = c(4.5, 7.5, 12.5, 25, 50, 100),
---以下は、ネットからの混合物,,,
c(0:4)=デルタ, border=4.5?,
c(5:7)=シータ, border=7.5?,
c(8:12)=アルファ, border=12.5?,
c(13:25),c(14:40)=ベータ, border=25?,
c(25:26),c(30:)=ガンマ
---
c(50,100)は、1/2分割で追加。
end.

ランダムではなく、多様性を使う。

[1]乱数的な要素は導入していない。基本は決定論から派生しているため。
[2]元データに、多様的な関数を適用し、その特徴を強調する（あぶり出す）考えだ。
[3]自然は繰り返さないし、同じパターンになるものは、変化がなく面白みに欠ける。
=>でも、人智が及ばないパターンのために、直近データから判定に使用する辞書を用意した。
=>過学習を怖れず、対象となる直近データに１００％合致する辞書を用意。
＠誰も想定外なので、ゴールまでの道筋をつけてから、起点に戻り、それを補強するしかない。
=>複数の辞書があるが、毎回、またはある周期的に改版する必要があると想定する。
[4]ゴールを含むデータセットを得られたとして、そこから、無関係なものを落としていくフィルター機能的な関数を何段適用すればいいかは、試行錯誤的。
[5]当初、(G,in,out)でも書いたが~(7,0,0)を目指していたが、一歩で到達できるものではなかった。
=>データによっては、(6,1,x)とその近くまではいくが、(7,0,x)には至らない。
[6]しかし、５０％に方向転換してから、ゴールの値は、独立して無関係と思われた中に、ペアという関係性が見えて来た。
[7]普段、ポーカーとかはやらないが、ワンペア、ツーペアとかは記憶にあった。
end.

(G,in,out)=(7,0,0)は、最終的な理想型。現実には到達不可能！？

[0]方針的には、１年以上前から、ゴールを決定論的に１００％予想する路線から離脱している。
[1]今は、予想範囲をmax()~５０％を目指している。
=>対象によっては、５０％を超える場合もあるが、平均的なゴールは、５０％近辺を上限とする。
[2](G,in,out)で言えば、G=c(1:7), (G+in)=7, GinP=G/(G+out)とすると、
G=1 : (1,6,1)~Ginp=50%, (1,6,2)~33%, (1,6,3)~25%,...
G=2 : (2,5,1)~66%, (2,5,2)~50%, (2,5,3)~40%, (2,5,4)~33%, (2,5,5)~28.5%,...
G=3 : (3,4,1)~75%, (3,4,2)~60%, (3,4,3)~50%, (3,4,4)~42.8%, (3,4,5)~37.5%, (3,4,6)~33%, (3,4,7)~30%,...
G=4 : (4,3,1)~80%, (4,3,2)~66%, (4,3,3)~57.1%, (4,3,4)~50%, (4,3,5)~44%, (4,3,6)~40%, (4,3,7)~36.3%, (4,3,8)~33%, (4,3,9)~30.7%, (4,3,10)~28.5%,...
G=5 : (5,2,1)~83.3%, (5,2,2)~71.4%, (5,2,3)~62.5%, (5,2,4)~55%, (5,2,5)~50%, (5,2,6)~45.4%, (5,2,7)~41.6%, (5,2,8)~38.4%, (5,2,9)~35.7%, (5,2,10)~33.3%, (5,2,11)~31.2%, (5,2,12)~29.4%,...
G=6 : (6,1,1)~85.7%,..., (6,1,6)~50%, (6,1,7)~46.1%, (6,1,8)~42.8%, (6,1,9)~40%, (6,1,10)~37.5%, (6,1,11)~35.2%, (6,1,12)~33.3%, (6,1,13)~31.5%, (6,1,14)~30%,...
G=7 : (7,0,0)~100%, (7,0,1)~87.5%,..., (7,0,7)~50%, (7,0,8)~46.6%, (7,0,9)~43.7%, (7,0,10)~41.1%, (7,0,11)~38.8%, (7,0,12)~36.8%, (7,0,13)~35%, (7,0,14)~33.3%, (7,0,15)~31.8%, (7,0,16)~30.4%, (7,0,17)~29.1%,...

[3]max(G)=7, (G+out)~(near)7が望ましい、、、
[4](tryout-1) : 恣意的に、[2]を、5(=7-2) <= (G+out) <= 9(=7+2), 30% <= GinP <= 50% に絞ると、、、
G=1 : none
G=2 : (2,5,3)~40%, (2,5,4)~33%,
G=3 : (3,4,3)~50%, (3,4,4)~42.8%, (3,4,5)~37.5%, (3,4,6)~33%,
G=4 : (4,3,4)~50%, (4,3,5)~44%,
G=5 : none
G=6 : none
G=7 : none

[5](tryout-2) : 恣意的に、[2]を、4(=7-3) <= (G+out) <= 10(=7+3), 30% <= GinP <= 50% に絞ると、、、
G=1 : none
G=2 : (2,5,2)~50%, (2,5,3)~40%, (2,5,4)~33%,
G=3 : (3,4,3)~50%, (3,4,4)~42.8%, (3,4,5)~37.5%, (3,4,6)~33%, (3,4,7)~30%,
G=4 : (4,3,4)~50%, (4,3,5)~44%, (4,3,6)~40%,
G=5 : (5,2,5)~50%,
G=6 : none
G=7 : none

[6]別に、srh-pat=c("top3-full-srh",
"top3-a1-srh", "top3-a1a4-srh", "top3-a1a4a1-srh", "top3-a1a4a1a4-srh",
"top3-a4-srh", "top3-a4a1-srh", "top3-a4a1a4-srh", "top3-a4a1a4a1-srh")
の駒があり、それぞれで、(G,in,out)を求める。その際、pair(G)を見つける。

[7]pair(G)は、
G=2 : 1-pair
G=4 : 2-pairs
G=3 : 3-pairs like ポーカー
[8][7]でのペアは、それぞれ異るものを期待している。
=>当然、Bも含んでいるので、ペアにならないものと期待する。
[9]G=c(0,1)も場合は、当然ペアなしなので、その対象回はG判定不可となり、skip.
[10]現時点の構想です。
end.