今天晚上突然脑子不知怎么的，本来正在人工给12306验证码做打标工作，突然想看看双色球每期的开奖结果是否有规律
从这里下载从03年到今年的每期双色球开奖结果
用t-SNE降维到3维打印出来看看
似乎并没有什么规律
准备用线性回归来拟合一个模型，马上就有一个问题，对于双色球预测，自变量取什么？这是个非常复杂的问题了，而且可能是无解的问题，因为如果双色球是完全的独立随机事件，那也就无法提取出自变量，自然也就没法提取特征空间，这里姑且用开奖期号作为自变量特征，用结果（6维的红球结果，1维的蓝球结果）作为label
# -*- coding: utf-8 -*-import os import numpy as np import matplotlib.pyplot as plt import pickle from sklearn.manifold import TSNE from mpl_toolkits.mplot3d import Axes3D from sklearn import datasets, linear_model from sklearn.metrics import mean_squared_error, r2_scoredef load_historydata():if not os.path.isfile("ssq.pkl"):ori_data = np.loadtxt('ssq.TXT', delimiter=' ', usecols=(0, 2, 3, 4, 5, 6, 7, 8), unpack=False)pickle.dump(ori_data, open("ssq.pkl", "w"))return ori_dataelse:ori_data = pickle.load(open("ssq.pkl", "r"))return ori_datadef load_tsnedata(ori_data):if not os.path.isfile("ssq_tsne.pkl"):tsne = TSNE(n_components=3, random_state=0)tsne_data = tsne.fit_transform(ori_data)pickle.dump(tsne_data, open("ssq_tsne.pkl", "w"))return tsne_dataelse:tsne_data = pickle.load(open("ssq_tsne.pkl", "r"))return tsne_datadef show_oridata(show_date):fig = plt.figure(1, figsize=(8, 6))ax = Axes3D(fig, elev=-150, azim=110)ax.scatter(show_date[:, 0], show_date[:, 1], show_date[:, 2], edgecolor='k', s=40)plt.show()if __name__ == '__main__':ori_data = load_historydata()np.random.shuffle(ori_data)# tsne_data = load_tsnedata(ori_data)# show_oridata(tsne_data)X_data = ori_data[:, 0].reshape(-1, 1)Y_data = ori_data[:, 1:]print "X_data[0]: ", X_data[0]print "Y_data[0]: ", Y_data[0]# Split the data into training/testing setssplit_len = int(len(X_data) * 0.8)X_train = X_data[:split_len]X_test = X_data[split_len:]print "X_train"print X_train# Split the targets into training/testing setsy_train = Y_data[:split_len]y_test = Y_data[split_len:]print "y_train"print y_train# Create linear regression objectregr = linear_model.LinearRegression()# Train the model using the training setsregr.fit(X_train, y_train)# Make predictions using the testing set#y_pred = regr.predict(X_train).round()y_pred = regr.predict(X_test).round()print "y_pred"print y_predprint "y_pred distinct"y_pred_cache = list()for line in y_pred:line = list(line)if line not in y_pred_cache:y_pred_cache.append(line)for line in y_pred_cache:print line# 预测的准确度print "Prediction accurate: {0}%".format(np.mean(X_test == y_pred) * 100)
线性回归的预测结果如下
y_pred distinct [5.0, 9.0, 14.0, 19.0, 24.0, 29.0, 9.0] [5.0, 10.0, 15.0, 19.0, 24.0, 29.0, 9.0] [5.0, 10.0, 14.0, 19.0, 24.0, 29.0, 9.0]
模型对所有的training set的每一条预测结果都相同，这说明，对于开奖期号来说，开奖结果是一个完全随机的事件
如果考虑每期和每期之间可能有关联性，可以考虑试试用RNN来训练，输入依然是开奖期号
但是反过来也给了我一个启示，在进行机器学习项目的时候，如果train或者test的结果不好或者不符合预期，不要急于去调参数或者换模型，更应该回过头来想想自己给模型输入的特征是否确实隐含了规律，算法是无法对随机事件进行预测的，只有原始数据中确实隐含了规律，使用适当的模型才能从中抽象出模型，特征工程是非常关键的，也是需要长久思考的
Relevant Link:
https://datachart.500.com/ssq/history/history.shtml http://blog.csdn.net/supperman_009/article/details/40623503 https://zhuanlan.zhihu.com/p/26341086 http://ssq.50018.com/zou-shi-tu/default.aspx http://www.sohu.com/a/134552307_116235
