python双色球-（三）线性回归预测

最新推荐文章于 2024-08-07 20:45:51 发布

baggiojing

最新推荐文章于 2024-08-07 20:45:51 发布

阅读量2k

点赞数 1

文章标签： python 机器学习开发语言

本文链接：https://blog.csdn.net/baggiojing/article/details/131456799

版权

该代码示例展示了如何基于历史彩票数据训练线性回归模型来预测开奖结果，但作者指出预测精度可能不高，需要尝试更多模型以提高准确性。代码从Excel文件中提取数据，对红球和蓝球进行预测，并输出模型的截距和系数。

摘要由CSDN通过智能技术生成

参考了其他大神的代码，通过历史数据训练线性回归模型，然后给出预测值，但是这预测看起来并不那么准，只是应用线性回归模型的一个示例，如果需要更好更精确的结果，还需要不断地调整，不断地尝试各种算法模型，相信总有一款模型能靠近500W俱乐部。

print('预测开始了')

"""取读历史数据，指定标识"""
def get_lotto_data(data, lotto, lotto_id):
    data['lotto_id'] = lotto_id
    X = []
    Y = []
    # single_square_feet, single_price_value
    for s, p in zip(data['lotto_id'], data[lotto]):
        X.append([float(s)])
        Y.append(float(p))
    return X, Y
 
 
# 训练线性回归模型
def linear_model_test(X, Y, predict_value):
    regr = linear_model.LinearRegression()
    regr.fit(X, Y)
    predict_outcome = regr.predict(predict_value)
    predictions = {}
    predictions['intercept'] = regr.intercept_
    predictions['coefficient'] = regr.coef_
    predictions['predicted_value'] = predict_outcome
    return predictions
 
"""使用线性回归推测中奖号码"""
def get_predicted_num(file, lotto, lotto_id, num):

    X, Y = get_lotto_data(file, lotto, lotto_id)

    predict_value = [[33]]
    result = linear_model_test(X, Y, predict_value)
    print("num", num,
          'Intercept value', result['intercept'],
          'Coefficient', result['coefficient'],
          'Predicted value', result['predicted_value'])

columns = {
        'date': str,
        'id': str,  # 期数
        'r1': int,  # 红1
        'r2': int,  # 红2
        'r3': int,  # 红3
        'r4': int,  # 红4
        'r5': int,  # 红5
        'r6': int,  # 红6
        'b1': int,  # 蓝1
    }
LoadPath = f'DoubleBall.xlsx'
book=load_workbook(LoadPath, data_only=True)#加载已有Excel文档
sheet_result=book['Sheet']

results = []
cnt = 0
for i in sheet_result:
    if cnt > 0:
        dit = {}
        cnt = 1
        dit['id'] = i[1].value
        dit['date'] = i[0].value
        dit['r1'] = i[2].value
        dit['r2'] = i[3].value
        dit['r3'] = i[4].value
        dit['r4'] = i[5].value
        dit['r5'] = i[6].value
        dit['r6'] = i[7].value

        dit['b1'] = i[8].value

        results.append(dit)

    cnt+=1

df = pd.DataFrame(columns=columns, data=results)
df = df.sample(100)
# 使用线性回归模型进行预测 
get_predicted_num(df, 'r1', 1, 5)  # 预测红球1
get_predicted_num(df, 'r2', 2, 10)  # 预测红球2
get_predicted_num(df, 'r3', 3, 15)  # 预测红球3
get_predicted_num(df, 'r4', 4, 20)  # 预测红球4
get_predicted_num(df, 'r5', 5, 24)  # 预测红球5
get_predicted_num(df, 'r6', 6, 29)  # 预测红球6
get_predicted_num(df, 'b1', 7, 9)  # 预测蓝球1

print('预测结束了')