Python数据分析之双色球基于线性回归算法预测下期中奖结果示例
本文实例讲述了Python数据分析之双色球基于线性回归算法预测下期中奖结果。分享给大家供大家参考,具体如下:
前面讲述了关于双色球的各种算法,这里将进行下期双色球号码的预测,想想有些小激动啊。
代码中使用了线性回归算法,这个场景使用这个算法,预测效果一般,各位可以考虑使用其他算法尝试结果。
发现之前有很多代码都是重复的工作,为了让代码看的更优雅,定义了函数,去调用,顿时高大上了
#!/usr/bin/python # -*- coding:UTF-8 -*- #导入需要的包 import pandas as pd import numpy as np import matplotlib.pyplot as plt import operator from sklearn import datasets,linear_model from sklearn.linear_model import LogisticRegression #读取文件 df = pd.read_table('newdata.txt',header=None,sep=',') #读取日期 tdate = sorted(df.loc[:,0]) #将以列项为数据,将球号码取出,写入到csv文件中,并取50行数据 # Function to red number to csv file def RedToCsv(h_num,num,csv_name): h_num = df.loc[:,num:num].values h_num = h_num[50::-1] renum2 = pd.DataFrame(h_num) renum2.to_csv(csv_name,header=None) fp = file(csv_name) s = fp.read() fp.close() a = s.split('\n') a.insert(0, 'numid,number') s = '\n'.join(a) fp = file(csv_name, 'w') fp.write(s) fp.close() #调用取号码函数 # create file RedToCsv('red1',1,'rednum1data.csv') RedToCsv('red2',2,'rednum2data.csv') RedToCsv('red3',3,'rednum3data.csv') RedToCsv('red4',4,'rednum4data.csv') RedToCsv('red5',5,'rednum5data.csv') RedToCsv('red6',6,'rednum6data.csv') RedToCsv('blue1',7,'bluenumdata.csv') #获取数据,X_parameter为numid数据,Y_parameter为number数据 # Function to get data def get_data(file_name): data = pd.read_csv(file_name) X_parameter = [] Y_parameter = [] for single_square_feet ,single_price_value in zip(data['numid'],data['number']): X_parameter.append([float(single_square_feet)]) Y_parameter.append(float(single_price_value)) return X_parameter,Y_parameter #训练线性模型 # Function for Fitting our data to Linear model def linear_model_main(X_parameters,Y_parameters,predict_value): # Create linear regression object regr = linear_model.LinearRegression() #regr = LogisticRegression() regr.fit(X_parameters, Y_parameters) predict_outcome = regr.predict(predict_value) predictions = {} predictions['intercept'] = regr.intercept_ predictions['coefficient'] = regr.coef_ predictions['predicted_value'] = predict_outcome return predictions #获取预测结果函数 def get_predicted_num(inputfile,num): X,Y = get_data(inputfile) predictvalue = 51 result = linear_model_main(X,Y,predictvalue) print "num "+ str(num) +" Intercept value " , result['intercept'] print "num "+ str(num) +" coefficient" , result['coefficient'] print "num "+ str(num) +" Predicted value: ",result['predicted_value'] #调用函数分别预测红球、蓝球 get_predicted_num('rednum1data.csv',1) get_predicted_num('rednum2data.csv',2) get_predicted_num('rednum3data.csv',3) get_predicted_num('rednum4data.csv',4) get_predicted_num('rednum5data.csv',5) get_predicted_num('rednum6data.csv',6) get_predicted_num('bluenumdata.csv',1) # 获取X,Y数据预测结果 # X,Y = get_data('rednum1data.csv') # predictvalue = 21 # result = linear_model_main(X,Y,predictvalue) # print "red num 1 Intercept value " , result['intercept'] # print "red num 1 coefficient" , result['coefficient'] # print "red num 1 Predicted value: ",result['predicted_value'] # Function to show the resutls of linear fit model def show_linear_line(X_parameters,Y_parameters): # Create linear regression object regr = linear_model.LinearRegression() #regr = LogisticRegression() regr.fit(X_parameters, Y_parameters) plt.figure(figsize=(12,6),dpi=80) plt.legend(loc='best') plt.scatter(X_parameters,Y_parameters,color='blue') plt.plot(X_parameters,regr.predict(X_parameters),color='red',linewidth=4) plt.xticks(()) plt.yticks(()) plt.show() #显示模型图像,如果需要画图,将“获取X,Y数据预测结果”这块注释去掉,“调用函数分别预测红球、蓝球”这块代码注释下 # show_linear_line(X,Y)
画图结果:
预测2016-05-15开奖结果:
实际开奖结果:05 06 10 16 22 26 11
以下为预测值:
#取5个数,计算的结果 num 1 Intercept value 5.66666666667 num 1 coefficient [-0.6] num 1 Predicted value: [ 2.06666667] num 2 Intercept value 7.33333333333 num 2 coefficient [ 0.2] num 2 Predicted value: [ 8.53333333] num 3 Intercept value 14.619047619 num 3 coefficient [-0.51428571] num 3 Predicted value: [ 11.53333333] num 4 Intercept value 17.7619047619 num 4 coefficient [-0.37142857] num 4 Predicted value: [ 15.53333333] num 5 Intercept value 21.7142857143 num 5 coefficient [ 1.11428571] num 5 Predicted value: [ 28.4] num 6 Intercept value 28.5238095238 num 6 coefficient [ 0.65714286] num 6 Predicted value: [ 32.46666667] num 1 Intercept value 9.57142857143 num 1 coefficient [-0.82857143] num 1 Predicted value: [ 4.6]
四舍五入结果:
2 9 12 16 28 33 5
#取12个数,计算的结果四舍五入: 3 7 12 15 24 30 7 #取15个数,计算的结果四舍五入: 4 7 13 15 25 31 7 #取18个数,计算的结果四舍五入: 4 8 13 16 23 31 8 #取20个数,计算的结果四舍五入: 4 7 12 22 24 27 10 #取25个数,计算的结果四舍五入: 7 8 13 17 24 30 6 #取50个数,计算的结果四舍五入: 4 10 14 18 23 29 8 #取100个数,计算的结果四舍五入: 5 11 15 19 24 29 8 #取500个数,计算的结果四舍五入: 5 10 15 20 24 29 9 #取1000个数,计算的结果四舍五入: 5 10 14 19 24 29 9 #取1939个数,计算的结果四舍五入: 5 10 14 19 24 29 9
看来预测中奖真是有些难度,随机性太高,双色球预测案例,只是为了让入门数据分析的朋友有些思路,要想中大奖还是有难度的,多做好事善事多积德行善吧。
更多关于Python相关内容感兴趣的读者可查看本站专题:《Python数学运算技巧总结》、《Python字符串操作技巧汇总》、《Python编码操作技巧总结》、《Python数据结构与算法教程》、《Python函数使用技巧总结》、《Python入门与进阶经典教程》及《Python文件与目录操作技巧汇总》
希望本文所述对大家Python程序设计有所帮助。
您可能感兴趣的文章:
- Python数据分析之双色球统计两个红和蓝球哪组合比例高的方法
- Python数据分析之双色球统计单个红和蓝球哪个比例高的方法
- Python数据分析之双色球中蓝红球分析统计示例
- Python数据分析之获取双色球历史信息的方法示例
- Python实现的双色球生成功能示例
- python 随机数使用方法,推导以及字符串,双色球小程序实例
- Python数据拟合与广义线性回归算法学习
- Python编程实现线性回归和批量梯度下降法代码实例
- Python编程实现使用线性回归预测数据
- python编程线性回归代码示例
赞 (0)