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_Python

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：

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

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