5月25日随机森林模型预测福彩3D

#个人练手 python代码实现自动采集入库建模训练预测福彩3D
import re
import requests
import pandas as pd
import numpy as np
from sklearn.ensemble import RandomForestClassifier
from sklearn.metrics import accuracy_score


while True:
    file_path = r'D:\shaoxiao\文档\机器学习\福彩3D.csv'
    df = pd.read_csv(file_path)
    bd_lastday = df['datetime'].iloc[-1]

    url = f"https://6.17500.cn/?lottery=more&lotteryId=sd&page=1"
    resp = requests.get(url, headers={'user-agent': 'Mozilla/5.0'})

    lastday = re.compile(r'<ul class="lskj_list"> <li> <i>(.*?)</i>').findall(resp.text)[0]
    bd_lastday = pd.to_datetime(bd_lastday)
    lastday = pd.to_datetime(lastday)
    if lastday > bd_lastday:
        caijiriqi = (bd_lastday + pd.Timedelta(days=1)).strftime('%Y-%m-%d')
        d1 = re.compile(rf'<i>{caijiriqi}</i> <font> 第 <b>\d+</b> 期 </font> <span class="red_ball">(.*?)</span> <span class="red_ball">(.*?)</span> <span class="red_ball">(.*?)</span>').findall(resp.text)
        d1 = int(d1[0][0]),int(d1[0][1]),int(d1[0][2])
        d1 = list(d1)
        d1.insert(0,caijiriqi)
        d1.insert(1,int(str(d1[-3])+str(d1[-2])+str(d1[-1])))
        xieru = open(file_path,'a')
        xieru.write(','.join(map(str,d1))+'\n')
        xieru.close()
        print(f'更新{caijiriqi}数据成功')
    else:
        print(f'数据已更新完毕，最新数据日期：{bd_lastday.strftime('%Y-%m-%d')}')
        break
print("开始根据最新数据建模分析预测")
file_path = r'D:\shaoxiao\文档\机器学习\福彩3D.csv'
df = pd.read_csv(file_path)


def create_dataset(data_df, look_back=5):
    data = data_df[['num1', 'num2', 'num3']].values
    X, y = [], []
    for i in range(len(data) - look_back):
        X.append(data[i:i + look_back].flatten())  # 展平为一维向量
        y.append(data[i + look_back])              # 下一期的三个号码
    return np.array(X), np.array(y)


look_back = 20
X, y = create_dataset(df, look_back)

# ----------------------------
# 模型构建：分别预测每个位置的数字
# ----------------------------
model1 = RandomForestClassifier(n_estimators=100, random_state=42)
model2 = RandomForestClassifier(n_estimators=100, random_state=42)
model3 = RandomForestClassifier(n_estimators=100, random_state=42)

# 训练模型
model1.fit(X, y[:, 0])
model2.fit(X, y[:, 1])
model3.fit(X, y[:, 2])

# ----------------------------
# 模型评估
# ----------------------------
pred1 = model1.predict(X)
pred2 = model2.predict(X)
pred3 = model3.predict(X)

acc1 = accuracy_score(y[:, 0], pred1)
acc2 = accuracy_score(y[:, 1], pred2)
acc3 = accuracy_score(y[:, 2], pred3)

# ----------------------------
# 实际预测下一期号码
# ----------------------------
# 取最近几期的数据作为输入进行预测
last_data = df[['num1', 'num2', 'num3']].tail(look_back).values.flatten().reshape(1, -1)


def predict_top_n_combinations(model1, model2, model3, last_data, top_n=5):
    # 获取每个位置上 0~9 的概率分布
    proba1 = model1.predict_proba(last_data)[0]
    proba2 = model2.predict_proba(last_data)[0]
    proba3 = model3.predict_proba(last_data)[0]

    # 获取每个位置概率最高的 top_n 数字索引
    top_digits = lambda proba: np.argsort(proba)[-top_n:][::-1]

    digits1 = top_digits(proba1)
    digits2 = top_digits(proba2)
    digits3 = top_digits(proba3)

    # 生成所有组合并计算联合概率
    all_combos = []
    for d1 in digits1:
        for d2 in digits2:
            for d3 in digits3:
                joint_prob = proba1[d1] * proba2[d2] * proba3[d3]
                all_combos.append((f"{d1}{d2}{d3}", joint_prob))

    # 按照联合概率排序，取前 top_n 组
    all_combos.sort(key=lambda x: x[1], reverse=True)
    top_combos = all_combos[:top_n]

    return [combo[0] for combo in top_combos]


# 预测前5组号码
N = 5
top_5_predictions = predict_top_n_combinations(model1, model2, model3, last_data, top_n=N)

print(f'\n【{(bd_lastday + pd.Timedelta(days=1)).strftime('%Y-%m-%d')}预测结果 - 前{N}组】')
for i, combo in enumerate(top_5_predictions, 1):
    print(f'第{i}组预测号码为: {combo}')