大聯盟比賽分析

20190401~0914 累計模擬場數 2150 場次 ， 模擬正確次數 1448 場次 ，準確度 % 0.67。
預測模擬後， 再以深度學習神經網路判讀各比賽之勝負。

20190401~0913 累計模擬場數 2137 場次 ， 模擬正確次數 1442 場次 ，準確度 % 0.68。
預測模擬後， 再以深度學習神經網路判讀各比賽之勝負。

20190401~0912 累計模擬場數 2122 場次 ， 模擬正確次數 1434 場次 ，準確度 % 0.68。
預測模擬後， 再以深度學習神經網路判讀各比賽之勝負。

20190401~0911 累計模擬場數 2108 場次 ， 模擬正確次數 1427 場次 ，準確度 % 0.68。
預測模擬後， 再以深度學習神經網路判讀各比賽之勝負。

20190401~0910 累計模擬場數 2093 場次 ， 模擬正確次數 1426 場次 ，準確度 % 0.68。
預測模擬後， 再以深度學習神經網路判讀各比賽之勝負。

20190401~0909 累計模擬場數 2085 場次 ， 模擬正確次數 1404 場次 ，準確度 % 0.67。
預測模擬後， 再以深度學習神經網路判讀各比賽之勝負。

20190401~0908 累計模擬場數 2070 場次 ， 模擬正確次數 1388 場次 ，準確度 % 0.67。
預測模擬後， 再以深度學習神經網路判讀各比賽之勝負。

20190401~0906 累計模擬場數 2039 場次 ， 模擬正確次數 1374 場次 ，準確度 % 0.67。
預測模擬後， 再以深度學習神經網路判讀各比賽之勝負。

20190401~0903 累計模擬場數 2000 場次 ， 模擬正確次數 1347 場次 ，準確度 % 0.67。
預測模擬後， 再以深度學習神經網路判讀各比賽之勝負。

20190401~0902 累計模擬場數 1988 場次 ， 模擬正確次數 1348 場次 ，準確度 % 0.68。
預測模擬後， 再以深度學習神經網路判讀各比賽之勝負。