彩民看过来，看老程序员如何用Python数据分析双色球基于线性回归算法预测下期中奖结果示例
内容导读
互联网集市收集整理的这篇技术教程文章主要介绍了彩民看过来，看老程序员如何用Python数据分析双色球基于线性回归算法预测下期中奖结果示例，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含5763字，纯文字阅读大概需要9分钟。
内容图文
@本文来源于公众号：csdn2299，喜欢可以关注公众号 程序员学府
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。
非常感谢你的阅读
大学的时候选择了自学python，工作了发现吃了计算机基础不好的亏，学历不行这是
没办法的事，只能后天弥补，于是在编码之外开启了自己的逆袭之路，不断的学习python核心知识，深入的研习计算机基础知识，整理好了，如果你也不甘平庸，那就与我一起在编码之外，不断成长吧！
其实这里不仅有技术，更有那些技术之外的东西，比如，如何做一个精致的程序员，而不是“屌丝”，程序员本身就是高贵的一种存在啊，难道不是吗？[点击加入]想做你自己想成为高尚人，加油！
内容总结
以上是互联网集市为您收集整理的彩民看过来，看老程序员如何用Python数据分析双色球基于线性回归算法预测下期中奖结果示例全部内容，希望文章能够帮你解决彩民看过来，看老程序员如何用Python数据分析双色球基于线性回归算法预测下期中奖结果示例所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。
内容备注
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。
内容手机端
扫描二维码推送至手机访问。