溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
本文實例講述了Python數據分析之雙色球基于線性回歸算法預測下期中獎結果。分享給大家供大家參考，具體如下：
前面講述了關于雙色球的各種算法，這里將進行下期雙色球號碼的預測，想想有些小激動啊。
代碼中使用了線性回歸算法，這個場景使用這個算法，預測效果一般，各位可以考慮使用其他算法嘗試結果。
發(fā)現之前有很多代碼都是重復的工作，為了讓代碼看的更優(yōu)雅，定義了函數，去調用，頓時高大上了
#!/usr/bin/python
# -*- coding:UTF-8 -*-
#導入需要的包
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
#讀取文件
df = pd.read_table('newdata.txt',header=None,sep=',')
#讀取日期
tdate = sorted(df.loc[:,0])
#將以列項為數據，將球號碼取出，寫入到csv文件中，并取50行數據
# 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()
#調用取號碼函數
# 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')
#獲取數據，X_parameter為numid數據,Y_parameter為number數據
# 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
#訓練線性模型
# 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
#獲取預測結果函數
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']
#調用函數分別預測紅球、藍球
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)
# 獲取X,Y數據預測結果
# 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()
#顯示模型圖像，如果需要畫圖，將“獲取X,Y數據預測結果”這塊注釋去掉，“調用函數分別預測紅球、藍球”這塊代碼注釋下
# show_linear_line(X,Y)
畫圖結果：
預測2016-05-15開獎結果：
實際開獎結果：05 06 10 16 22 26 11
以下為預測值：
#取5個數，計算的結果 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]
四舍五入結果：
2 9 12 16 28 33 5
#取12個數，計算的結果四舍五入： 3 7 12 15 24 30 7 #取15個數，計算的結果四舍五入： 4 7 13 15 25 31 7 #取18個數，計算的結果四舍五入： 4 8 13 16 23 31 8 #取20個數，計算的結果四舍五入： 4 7 12 22 24 27 10 #取25個數，計算的結果四舍五入： 7 8 13 17 24 30 6 #取50個數，計算的結果四舍五入： 4 10 14 18 23 29 8 #取100個數，計算的結果四舍五入： 5 11 15 19 24 29 8 #取500個數，計算的結果四舍五入： 5 10 15 20 24 29 9 #取1000個數，計算的結果四舍五入： 5 10 14 19 24 29 9 #取1939個數，計算的結果四舍五入： 5 10 14 19 24 29 9
看來預測中獎真是有些難度，隨機性太高，雙色球預測案例，只是為了讓入門數據分析的朋友有些思路，要想中大獎還是有難度的，多做好事善事多積德行善吧。
更多關于Python相關內容感興趣的讀者可查看本站專題：《Python數學運算技巧總結》、《Python字符串操作技巧匯總》、《Python編碼操作技巧總結》、《Python數據結構與算法教程》、《Python函數使用技巧總結》、《Python入門與進階經典教程》及《Python文件與目錄操作技巧匯總》
希望本文所述對大家Python程序設計有所幫助。
免責聲明：本站發(fā)布的內容（圖片、視頻和文字）以原創(chuàng)、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
