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
# !/usr/bin/python
# - * -编码:utf - 8 - *
#导入需要的包
熊猫作为pd导入
进口numpy np
进口matplotlib。pyplot作为plt
进口经营者
从sklearn导入数据集,linear_model
从sklearn。linear_model进口LogisticRegression
#读取文件
df=pd.read_table (newdata.txt,头=None, 9=" ")
#读取日期
tdate=排序(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
#函数红色数字csv文件
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头=没有)
fp=文件(csv_name)
s=fp.read ()
fp.close ()
一个=s.split (“\ n”)
一个。插入(0,numid、数量)
s=' \ n ' . join ()
fp=文件(csv_name ' w ')
fp.write (s)
fp.close ()
#调用取号码函数
#创建文件
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('蓝天航空公司' 7 ' bluenumdata.csv ')
#获取数据,X_parameter为numid数据,Y_parameter为数量数据
#函数来获取数据
def get_data (file_name):
data=https://www.yisu.com/zixun/pd.read_csv (file_name)
X_parameter=[]
Y_parameter=[]
single_square_feet, single_price_value zip(数据(“numid”),数据(“数量”)):
X_parameter.append((浮动(single_square_feet)))
Y_parameter.append(浮动(single_price_value))
返回X_parameter Y_parameter
#训练线性模型
#函数拟合线性模型的数据
def linear_model_main (X_parameters Y_parameters predict_value):
#创建线性回归对象
regr=linear_model.LinearRegression ()
# regr=LogisticRegression ()
regr。fit (X_parameters Y_parameters)
predict_outcome=regr.predict (predict_value)
预测={}
[“拦截”]=regr.intercept_预测
[“系数”]=regr.coef_预测
[' predicted_value ']=predict_outcome预测
回归预测
#获取预测结果函数
def get_predicted_num (inputfile, num):
X, Y=get_data (inputfile)
predictvalue=https://www.yisu.com/zixun/51
结果=linear_model_main (X, Y, predictvalue)
打印“num”+ str (num) +“拦截价值”,结果(“拦截”)
打印“num”+ str (num) +“系数”,结果(“系数”)
打印“num”+ str (num) +“预测价值:”,结果(“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=https://www.yisu.com/zixun/21
#结果=linear_model_main (X, Y, predictvalue)
#打印“红色num 1截距值”,结果(“拦截”)
#打印“红色num 1系数”,结果(“系数”)
#打印“红色num 1预测价值:”,结果(“predicted_value”)
#函数来显示结果却线性模型
def show_linear_line (X_parameters Y_parameters):
#创建线性回归对象
regr=linear_model.LinearRegression ()
# regr=LogisticRegression ()
regr。fit (X_parameters Y_parameters)
6)plt.figure (figsize=(12日,dpi=80)
plt.legend (loc=白罴选?
plt.scatter (X_parameters, Y_parameters,颜色=袄渡?
plt.plot (X_parameters regr.predict (X_parameters),颜色=臁?线宽=4)
plt.xticks (())
plt.yticks (())
plt.show ()
#显示模型图像,如果需要画的图,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)
