Skip to content

KittenCN/predict_Lottery_ticket

Repository files navigation

彩票理论上属于完全随机事件,任何一种单一算法,都不可能精确的预测彩票结果!!

请合理投资博彩行业,切勿成迷!!


彩票AI预测(目前支持双色球,大乐透,排列三,快乐8, 七星彩,福彩3D)


一定要用get_data下载数据,并用train一定次数后,才能使用predict预测,默认没有数据和模型

如果train发生错误,请优先检查主目录下是否有data, model, predict三个空目录,没有的话自行建立下,我好像忘记让它自动生成了,也懒得写了

现有的模型对于七星彩,福彩3D,排列三等允许重复数字的彩票,效果可能有不好,因为我只是简单的把数字当成了类别,没有更多的考虑到数字之间的关系,而且由于时间原因,我也没有详细测试,所以,如果想要更加准确的预测这些彩票,可以自己修改代码,或者将建议留下,等我有空了再更新


有些朋友发消息问我最近(2023.12.03)发生的快8选7中50000倍的可能性,这么说,这个事其实也跟其他朋友问我为啥最近开始研究统计学的应用是同一个原因,因为我早几个月也发现了,纯粹的某些特定的统计学算法,就可以使得快8选7的平均返奖率维持在60%左右,如果再运用热力图,分布律等特殊的策略,还能使得返奖率在一定范围内维持更高。我当时使用这个方法,也获得了一定的收益。当然这个方法是高投入型的,需要长期稳定的高投入,所以不是我想要的算法,也就没有在这里推荐,而是打算作为神经网络的数据预处理算法来用


至于这次事情的单注50000倍玩法,不管你信不信,我是不信的。

项目思路来自自 zepen 大佬的作品 已将80%的代码重写,并按照我自己的思路进行了强化和修改。 自动选择并同时支持CPU和GPU计算。CPU使用原本的Keras LSTM,GPU使用CudnnLSTM,同等参数下,GPU效率高于CPU,时间窗口越大,batch_size越大,效率差就越明显;建议有好显卡的朋友使用GPU训练. 目前我正在修改网络结构,并迁移到我比较熟悉的pytorch框架之下。

New

  • 20231031
    1. 增加了kl8 plus系列文件,修改了kl8_running, 使其都使用多线程处理数据,加快数据处理速度,正常情况无需使用;特殊需要使用的用户要注意自己cpu的核心数,默认会产生cal_nums_list数量 * total_create_list数量 * nums_range数量个进程, 性能不足,核少的cpu会被卡死,请谨慎使用
  • 20230903
    1. 增加了两个kl8_开头的文件,用来测试计算一些数据预处理的公式,以及计算预测号码获奖情况, 正常情况无需使用
  • 20230327
    1. 增加对于七星彩(qxc),福彩3D(sd)的支持
  • 20230322:
    1. 增加执行参数开关,针对red_epochs,blue_epochs,batch_size三个参数,如果值为-1,则读取config文件的值,且修改三个参数的默认值为-1

Installing

  • step1,安装anaconda

  • step2,创建一个conda环境,conda create -n your_env_name python=3.8;

  • step3,进入创建conda的环境 conda activate your_env_name,然后根据自己机器的状况,选择CPU或者GPU模式,并在requirement文件中,把对应版本的Tensorflow解除注释,并执行pip install -r requirements.txt;如果不确定哪个版本更合适,建议使用gpu版本

  • 备注:根据我个人的测试,不推荐使用其他版本的tensorflow,如果因为硬件原因,一定要用更高或者更低版本的tensorflow,请同时更新tensorflow-addons,pandas,numpy的版本。

  • step4,按照Getting Started执行即可

Getting Started

python get_data.py  --name ssq  # 执行获取双色球训练数据

如果出现解析错误,应该看看500网网页是否可以正常访问 若要大乐透,替换参数 --name dlt 即可

python run_train_model.py --name ssq  --windows_size 3,5,7 --red_epochs 1 --blue_epochs 1 --batch_size 1  # 执行训练双色球模型

开始模型训练,先训练红球模型,再训练蓝球模型,模型参数和超参数在 config.py 文件中自行配置 具体训练时间消耗与模型参数和超参数相关。 若要多个窗口尺寸依次训练,替换参数 --windows_size 3,5,7 即可 red_epochs 为红球训练次数 blue_epochs 为篮球训练次数 batch_size 为每轮训练的数量

python run_predict.py  --name ssq --windows_size 3,5,7  # 执行双色球模型预测

预测结果会打印在控制台

注意事项:

  1. 使用高于1个batch_size训练后,不能立即预测,必须使用1个batch_size再次训练保存才可以,应该是batch_size维度被保存在inputs里面的原因,也可使用--predict_pro 1 参数进行这个动作
  2. 使用GPU推导时使用的是RNN的CudnnLSTM而非Keras的LSTM,因此两个模型保存的checkpoint不通用!

Releases

No releases published

Packages

No packages published

Languages