基于循环神经网络RNN预测彩票开奖结果附完整代码

# 基于神经网络预测大乐透彩票 #### 写在最前面 首先郑重声明，这个赚不了钱！赚不了钱！赚不了钱！重要的话说三遍！ 纯粹出于兴趣和技术做了个小实验，指望这个赚钱不太可能鸭！emmm，但可能会让你赔钱赔的少一点？ ### 前言 以前从没买过彩票，前几天一时兴起，随机买了几注，然后兴致勃勃地等开奖。中奖序列出来后，比对一下，握草？！ 果然没中 ～ 然后我就在考虑机器选彩票的技术可行性。 首先，大乐透的中奖序列为 **35 选 5**+**12 选 2**，每个球的选取是随机的，因此，想使用机器学习精准地预测出获奖序列是很难（或者说基本不可能）的。为什么这么说呢？我们可以类比于机器学习选股票。目前有很多机器学习应用在股票选择上的例子，并能够实现盈利。但机器学习选股和选彩票有几点显著差异： - 股票只需要预测涨幅（回归）或者简单预测涨跌（二分类），但大乐透中奖序列需要从 **324632*66**(组合数求解)种（我不是资深彩民，就是兴致一起随手买了两注，所以对各种彩票的规则了解不是很清楚，不清楚是否还有隐含规则，这个是根据字面意思计算得来的）组合中预测出一种，难度完全不是一个量级的 - 股票的涨跌存在各种因子、k 线、舆情等参数用于评估和训练，但彩票的中奖序列是随机产生的，可供参考的可能仅有时间上的序列的概率分布。 所谓的概率分布指的是，假设彩票的中奖序列是完全随机产生的话，序列中每一个球在一次开奖过程中出现的概率应该是相同的（前区和后区要分开算），并且从时间序列上来看，连续的很多次开奖中，每一个球的出现与否也应当满足某种规律（当然，这是宏观上讲，实际上肯定不会严格满足，但能够体现某种趋势或倾向）。 而我们又不打算靠这个中大奖，目标不是预测出头等奖的开奖序列，而是尽可能多的预测出可能会出现在中奖序列中的球。听上去好像没什么区别，但在模型设计上能够体现出差异——如果是前者，我们的模型应该是一个分类器，从 **324632*66**(组合数求解)种类别中预测出其中一个，但考虑数据集规模和概率问题，根本不现实；而后者，我们则设计一个多输入、多输出的模型，输入是七个球的时间序列，输出是每个位置出现某个球的概率，这样就靠谱的多 ～emmm，我们不求赚钱，少输点就行 ～！ ## 一、获取数据 想训练个模型的话，第一步肯定是获取数据啦。 我在网上找了一下，很快从[江苏体彩网]([https://www.js-lottery.com/Pla](https://www.js-lottery.com/Pla) yZone/lottoData.html)找到了历史开奖记录，可以直接下载，文件格式为 CSV。 这就很舒服啦，不用写爬虫到处一点点爬了。把文件下载下来看一下，数据是以这种形式组织的：  很明显，最前面是期号，然后是前区的五个号码，最后是后区的两个号码。 ok，下面让我们来写一个下载数据集的脚本，以便于我们对数据进行更新： ``` # -*- coding: utf-8 -*- # @File : update_data.py # @Author: AaronJny # @Date : 2019/10/29 # @Desc : import requests import settings print('开始尝试从 {} 获取最新的大乐透数据...'.format(settings.LOTTO_DOWNLOAD_URL)) try: resp = requests.get(settings.LOTTO_DOWNLOAD_URL) if resp.status_code == 200: # 解析数据，查看数据集中最新的数据期数 lines = resp.content.decode('utf-8').split('\n') index = lines[0].replace('"', '').split(',')[0] print('获取成功！开始更新文件...') with open(settings.DATASET_PATH, 'wb') as f: f.write(resp.content) print('完成！当前最新期数为{}期，请确认期数是否正确！'.format(index)) else: raise Exception('获取数据失败！') except Exception as e: print(e) ``` 我把一些常量提取出来了，放到了 `settings.py` 里，需要对照的话请看： ``` # -*- coding: utf-8 -*- # @File : settings.py # @Author: AaronJny # @Date : 2019/10/29 # @Desc : # 训练epochs数量 EPOCHS = 60 # 训练批大小 BATCH_SIZE = 128 # 输入的连续时间序列长度 MAX_STEPS = 256 # 前区号码种类数 FRONT_VOCAB_SIZE = 35 # 后区号码种类数 BACK_VOCAB_SIZE = 12 # dropout随机失活比例 DROPOUT_RATE = 0.5 # 长短期记忆网络单元数 LSTM_UNITS = 64 # 前区需要选择的号码数量 FRONT_SIZE = 5 # 后区需要选择的号码数量 BACK_SIZE = 2 # 保存训练好的参数的路径 CHECKPOINTS_PATH = 'checkpoints' # 预测下期号码时使用的训练好的模型参数的路径，默认使用完整数据集训练出的模型 PREDICT_MODEL_PATH = '{}/model_checkpoint_x'.format(CHECKPOINTS_PATH) # 预测的时候，预测几注彩票,默认5注 PREDICT_NUM = 5 # 数据集路径 DATASET_PATH = 'lotto.csv' # 数据集下载地址 LOTTO_DOWNLOAD_URL = 'https://www.js-lottery.com/PlayZone/downLottoData.html' # 大乐透中奖及奖金规则（没有考虑浮动情况，税前） AWARD_RULES = { (5, 2): 10000000, (5, 1): 800691, (5, 0): 10000, (4, 2): 3000, (4, 1): 300, (3, 2): 200, (4, 0): 100, (3, 1): 15, (2, 2): 15, (3, 0): 5, (2, 1): 5, (1, 2): 5, (0, 2): 5 } ``` 我们尝试运行一下，看看效果：  很好，没有问题。 ## 二、处理数据 虽然数据已经获取到了，但显然，这个数据无法直接应用于训练。我们需要对数据做一下简单的处理。 现在，我们为中奖序列中的数字（或者说球）编一下号，从前往后它们的编号分别为 1 到 7，其中 1-5 是前区的 5 个球，6-7 是后区的 2 个球。 好的，我们现在先考虑另外一个问题，假如我们有近一年以来的气温数据，需要预测明天的气温，应该怎么做？ 你可能会脱口而出，用循环神经网络做序列的预测。假设按顺序给这近一年来的气温分别编号为 1--365，其中 t1 表示第一天的气温，t365 表示今天的气温。气温的变化应该是有规律的（一般情况下），我们想让机器来学习这种规律。我们选定一个合适的时间长度，比如 30 天，然后将这 30 天的连续数据作为输入(x)，将接下来一天的气温数据作为输出（y），就构成了一条数据。然后使用长度为 31 天的扫描框，对一年的数据进行一次遍历，我们就得到了一组数据集。用它进行训练，完成后，输入 30 天前到今天的气温序列，即可预测明天的气温。 回到这个问题上来，其实和预测气温差不多，我们使用连续若干期的球 1 的数据来预测下期球 1 的分布概率，球 2-球 7 都是同样的方法。单从输入输出看来就是这样，实际上实现起来肯定会有更多的处理和优化，在这里不讨论，说到模型的时候再细说。 和预测气温的例子不同，气温预测时只有一种因子参与，就是当天的气温值。而在这个例子里，输入的是 7 个球，输出的也是 7 个概率分布，所以这是个多输入、多输出的模型。我准备使用 keras 来实现模型，按照 keras 的接口，我需要把输入数据处理成这个格式： ``` x={'x1': [球1序列1, 球1序列2, ... , 球1序列n], 'x2': [球2序列1, 球2序列2, ... , 球2序列n], ... , 'x7': [球7序列1, 球7序列2, ... , 球7序列n]} ``` 相应的，输出数据整理成这个格式： ``` y={'y1': [序列1的下一期球1值, 序列2的下