小白量化彩票实战（7）用sklearn神经网络预测彩票号码和特征_奇偶去重合软件-CSDN博客

　　小白量化彩票实战（7）用sklearn神经网络预测彩票号码和特征

　　我写彩票的博客,不是鼓励大家去买彩票，读者要以学习编程和娱乐的思想来看待。兴趣是学习最大的动力！

　　神经网络是目前比较热门的技术，人工神经网络(Artificial Neural Networks，ANN)系统是 20 世纪 40 年代后出现的。它是由众多的神经元可调的连接权值连接而成，具有大规模并行处理、分布式信息存储、良好的自组织自学习能力等特点。我们尝试依赖小白量化提供的金融模块以及sklearn库来搭建几个神经网络程序，来预测一下号码。

　　神经网络模型分类很多，我们这里采用的比较简单的神经网络模型，对于程序预测结果，大家纯粹当作神经网络模型学习实践和娱乐。神经网络模型分类很多，例如浅层神经网络，深度学习神经网络，卷积神经网络等。

　　神经网络模型对于初学者来说，没必要完全搞懂原理，只要求清楚怎么用就可以了，等你有兴趣，能力提高了，再去深入学习和优化改进。这就像程序中使用sin(x)函数，不需要理解这个函数的计算原理一样的。

　　简单来说，神经网络程序运行过程：

　　1、大量数据采集，需要学习样本。

　　2、特征提取。例如彩票蓝号单双，股票涨跌等。

　　3、数据变换。股票上的指标计算，或者有些深度学习模型本身需要数据变换，如数据归一化处理， 即把数据变为（0，1）之间的小数等等。

　　4、学习数据train和测试数据test划分。

　　5、选择神经网络模型用学习数据train进行学习。

　　6、用测试数据test进行验证，看看是否准确。如有必要可修改模型或调参处理。

　　7、用当前数据，预测未来结果。

　　我们用用sklearn神经网络的几个模型来研究一下能否预测彩票号码。我们仍以双色球彩票为例。

　　首先我们打算直接预测双色球彩票蓝号的下一期出号，如果随机选号概率1/16=0.0625。

　　按照上面神经网络程序运行过程顺序来做程序，程序预测号码的成功率是多少。

　　1、准备数据。

　　2、特征提取。

　　3、数据变换。

　　4、学习数据train和测试数据test划分。

　　5、选择神经网络模型用学习数据train进行学习。我们分别选择KNN分类器算法，随机森林分类法，决策树分类法进程测试。

　　6、用测试数据test进行验证，看看是否准确。如有必要可修改模型或调参处理。

　　程序运行结果：

　　从这个程序的预测结果看，KNN分类器程序预测0.0823高于随机概率0.0625。

　　我们在选择决策树算法，看看预测结果。修改[5、选择神经网络模型]

　　程序运行结果：

　　从这个程序的预测结果看，决策树分类器程序预测0.0786（每次值不同）高于随机概率0.0625。

　　我们在选择随机森林分类器，看看预测结果。修改[5、选择神经网络模型]

　　程序运行结果：

　　从这个程序的预测结果看，随机森林分类器程序预测0.0861（每次值不同）高于随机概率0.0625。

　　从上面深度学习程序比较结果来看，也许是学习样本太少缘故，或不可预测，直接预测号码不现实。我们改成预测单双，这个随机概率为50%，机器预测会是多少。我们修改学习标签mydf[‘label’]值就可以了。

　　我们下面给出全部预测代码。

　　程序对单双预测结果如下：

　　机器预测成功单值1，双值0的成功率为0.53183，也比随机概率0.5大一点。

　　神经网络模型很多，还有很多深度学习模型，本文神经网络分析彩票的结果，不代表神经网络不能预测彩票。也仅仅表示提取的特征值，不适合需选用神经网络模型来电脑AI预测。

　　购买《零基础搭建量化投资系统――以Python为工具》（https://item.jd.com/61567375505.html）一书，就能得到小白量化第二代全部源代码。其中包括完整的HP_cp模块。

　　#独狼荷蒲qq:2775205 /2886002

　　#小白量化彩票软件开发群:712300766

　　#小白量化PythonTkinter软件开发群:524949939

　　#电话微信:18578755056

　　#微信公众号：独狼股票分析

　　请点赞本文，你的鼓励是我写作的动力！

　　请持续关注我的博客，我的进步，就是你的进步！