- ubuntu12.04环境下使用kvm ioctl接口实现最简单的虚拟机
- Ubuntu 通过无线网络安装Ubuntu Server启动系统后连接无线网络的方法
- 在Ubuntu上搭建网桥的方法
- ubuntu 虚拟机上网方式及相关配置详解
CFSDN坚持开源创造价值,我们致力于搭建一个资源共享平台,让每一个IT人在这里找到属于你的精彩世界.
这篇CFSDN的博客文章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由作者收集整理,如果你对这篇文章有兴趣,记得点赞哟.
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 。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
|
#!/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:
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
|
#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 。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
|
#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.
希望本文所述对大家Python程序设计有所帮助.
原文链接:http://blog.csdn.net/levy_cui/article/details/51497709 。
最后此篇关于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的文章就讲到这里了,如果你想了解更多关于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的内容请搜索CFSDN的文章或继续浏览相关文章,希望大家以后支持我的博客! 。
在我的 previous question ,已经确定,当纹理四边形时,面部被分解为三角形,纹理坐标以仿射方式插值。 不幸的是,我不知道如何解决这个问题。 provided link很有用,但没有达到
是否有简单的解决方案可以在 Qt 中为图像添加运动模糊?还没有找到任何关于模糊的好教程。我需要一些非常简单的东西,我可以理解,如果我可以改变模糊角度,那就太好了。 最佳答案 Qt 没有运动模糊过滤器。
我想构建一个有点复杂的轴,它可以处理线性数据到像素位置,直到某个值,在该值中所有内容都被归入一个类别,因此具有相同的数据到像素值。例如,考虑具有以下刻度线的 y 轴: 0%, 10%, 20%, 30
我需要确保两个 View 元素彼此相邻且垂直高度相同。我会使用基线约束来做到这一点,但目前我正在使用线性、可滚动的布局( ScrollView 中的线性布局),当我点击一个元素时,它不允许我从中获取基
考虑正则表达式 ".*?\s*$" 和一个不以空格结尾的字符串。 示例 " a" .最后\s永远无法匹配 a这就是为什么 匹配器迭代: \s\s\s\s\s - fails .\s\s\
Closed. This question needs to be more focused。它当前不接受答案。 想要改善这个问题吗?更新问题,使它仅关注editing this post的一个问题。
我正在尝试阅读英特尔软件开发人员手册以了解操作系统的工作原理,这四个寻址术语让我感到困惑。以上是我的理解,如有不对请指正。 线性地址 : 对一个孤立的程序来说,似乎是一长串以地址0开头的内存。该程序的
有很多方法可以使用正则表达式并相应地使用匹配/测试匹配来检查字符串是否有效。我正在检查包含字母(a-b)、运算符(+、-、/、*)、仅特殊字符(如(')'、'(')和数字(0-9)的表达式是否有效 我
我正在使用 iris 数据集在 R 中练习 SVM,我想从我的模型中获取特征权重/系数,但我想我可能误解了一些东西,因为我的输出给了我 32 个支持向量。假设我要分析四个变量,我会得到四个。我知道在使
我正在使用 iris 数据集在 R 中练习 SVM,我想从我的模型中获取特征权重/系数,但我想我可能误解了一些东西,因为我的输出给了我 32 个支持向量。假设我要分析四个变量,我会得到四个。我知道在使
如何向左或向右滑动线性布局。在该线性布局中,默认情况下我有一个不可见的删除按钮,还有一些其他小部件,它们都是可见状态,当向左滑动线性布局时,我需要使其可见的删除按钮,当向右滑动时,我需要隐藏该删除按钮
我正在编写一个 R 脚本,运行时会给出因变量的预测值。我的所有变量都被分类(如图所示)并分配了一个编号,总类数为101。(每个类是歌曲名称)。 所以我有一个训练数据集,其中包含 {(2,5,6,1)8
如果源栅格位于 linear RGB color space使用以下 Java 代码进行转换,应用过滤器时(最后一行)会引发 java.awt.image.ImagingOpException: Un
我想为我的多个 UIImageView 设置动画,使其从 A 点线性移动到 B 点。 我正在使用 options:UIViewAnimationOptionCurveLinear - Apple 文档
我第一次无法使用 CSS3 创建好看的渐变效果。右侧应该有从黑色到透明的渐变透明渐变。底部是页脚,所以它需要在底部另外淡化为透明。 如果可能的话,一个例子: 页面的背景是一张图片,所以不可能有非透明淡
我有一组线性代数方程,Ax=By。其中A是36x20的矩阵,x是20x1的 vector ,B是36x13,y是13x1。 排名(A)=20。因为系统是超定的,所以最小二乘解是可能的,即; x = (
我有一个带有年月数据列(yyyymm)的 Pandas 数据框。我计划将数据插入每日和每周值。下面是我的 df。 df: 201301 201302 201303
假设我想找到2条任意高维直线的“交点”。这两条线实际上不会相交,但我仍然想找到最相交的点(即尽可能靠近所有线的点)。 假设这些线有方向向量A、B和初始点C、D,我可以通过简单地设置一个线性最小二乘问题
如果我想编写一个函数(可能也是一个类),它从不可变的查找表(调用构造函数时固定)返回线性“平滑”数据,如下所示: 例如func(5.0) == 0.5。 存储查找表的最佳方式是什么? 我正在考虑使用两
给定一条线 X像素长如: 0-------|---V---|-------|-------|-------max 如果0 <= V <= max , 线性刻度 V位置将是 X/max*V像素。 如何计
我是一名优秀的程序员,十分优秀!