预测代码LSTM神经模型预测双色球开奖号码

时间：作者：周易知识库

昨天看到有人发布的爬虫爬双色球开奖号码的，于是去看了看中国福彩网，发现根本不用爬，别人的数据查询接口是开放的。于是打算结合“大数据”做个神经模型用来预测下一期开奖号码。注意：本文仅用于LSTM神经网络模型的训练与使用学习，不对彩票购买起到任何指导作用，请勿参考购彩！

首先安装所需要的依赖库

pip3 install pandas
pip3 install keras
pip3 install numpy
pip3 install requests
pip3 install tensorflow-cpu

名典在线号码测试_名典取名测试打分测试_名典公司测试打分测试

下面是通过福彩网的接口获取历史开奖数据，并存储为csv文件预测代码LSTM神经模型预测双色球开奖号码，供神经模型调用。

import requests
import json
import pandas as pd
def getdata():
    url = 'http://www.cwl.gov.cn/cwl_admin/front/cwlkj/search/kjxx/findDrawNotice'
    params = {
        'name': 'ssq',
        'issueCount': '',
        'issueStart': '',
        'issueEnd': '',
        'dayStart': '',
        'dayEnd': '',
        'pageNo': '1',
        'pageSize': '1555',
        'week': '',
        'systemType': 'PC'
    }
    response = requests.get(url, params=params)
    jsondata = response.json()
    if jsondata['state']==0:
        data = []
        for item in jsondata['result']:
            print(item['blue'])
            blue_ball=item['blue']
            red_balls=item['red'].split(',')
            data.append([item['code'], int(red_balls[0]), int(red_balls[1]), int(red_balls[2]), int(red_balls[3]), int    (red_balls[4]), int(blue_ball)])
        df = pd.DataFrame(data, columns=['期号', 'red1', 'red2', 'red3', 'red4', 'red5', 'blue'])
        df.to_csv('data.csv', index=False)  
getdata()

运行上面的程序后，会在当前目录下生成一个data.csv文件名典在线号码测试，里面存储了2013年以来的双色球开奖数据，共1555条。

预测代码

import numpy as np
import pandas as pd
from keras.models import Sequential
from keras.layers import Dense, LSTM
# 导入数据
data = pd.read_csv('data.csv')
# 数据预处理
data['red1'] = (data['red1'] - 1) / 33
data['red2'] = (data['red2'] - 1) / 33
data['red3'] = (data['red3'] - 1) / 33
data['red4'] = (data['red4'] - 1) / 33
data['red5'] = (data['red5'] - 1) / 33
data['red6'] = (data['red6'] - 1) / 33
data['blue'] = (data['blue'] - 1) / 16
# 将数据划分为训练集和测试集
train_data = data.iloc[:1500, :]
test_data = data.iloc[1500:, :]
# 定义函数来生成训练和测试数据
def generate_data(data, lookback):
    X, Y = [], []
    for i in range(len(data) - lookback):
        X.append(data[i:i+lookback, :])
        Y.append(data[i+lookback, :])
    return np.array(X), np.array(Y)
# 设置LSTM模型参数
lookback = 10
batch_size = 32
epochs = 100
# 生成训练和测试数据
train_X, train_Y = generate_data(train_data[['red1', 'red2', 'red3', 'red4', 'red5', 'red6', 'blue']].values, lookback)
test_X, test_Y = generate_data(test_data[['red1', 'red2', 'red3', 'red4', 'red5', 'red6', 'blue']].values, lookback)
# 创建LSTM模型
model = Sequential()
model.add(LSTM(64, input_shape=(lookback, 7)))
model.add(Dense(32, activation='relu'))
model.add(Dense(7, activation='sigmoid'))
model.compile(loss='mean_squared_error', optimizer='adam')
# 训练模型
model.fit(train_X, train_Y, batch_size=batch_size, epochs=epochs, validation_data=(test_X, test_Y))
# 预测下一期双色球
last_data = data[['red1', 'red2', 'red3', 'red4', 'red5', 'red6', 'blue']].tail(lookback)
last_data = (last_data - 1) / np.array([33, 33, 33, 33, 33, 33, 16])
last_data = np.array(last_data)
last_data = np.reshape(last_data, (1, lookback, 7))
prediction = model.predict(last_data)
prediction = np.round(prediction * np.array([33, 33, 33, 33, 33, 33, 16]) + np.array([1, 1, 1, 1, 1, 1, 1]))
print("下一期双色球预测结果为：", prediction)

LSTM神经模型预测双色球开奖号码

中国福彩网开奖接口

name表示彩票类型

接口比较简单，可以通过时间查询预测代码LSTM神经模型预测双色球开奖号码，也可以查询期数，还能设置每次多少条数据，建议一次查完，不然害得构造请求接口麻烦。

下面是双色球的查询接口示例，查询第一页名典在线号码测试名典在线号码测试，每页1555条数据

http://www.cwl.gov.cn/cwl_admin/front/cwlkj/search/kjxx/findDrawNotice?name=ssq&issueCount=&issueStart=&issueEnd=&dayStart=&dayEnd=&pageNo=1&pageSize=1555&week=&systemType=PC

由创新国学专业的命理易学平台。

双色球预测模型彩票 lstm