欧美性猛交XXXX免费看蜜桃,成人网18免费韩国,亚洲国产成人精品区综合,欧美日韩一区二区三区高清不卡,亚洲综合一区二区精品久久

本次將進(jìn)行下期雙色球號碼的預測，想想有些小激動(dòng)啊。

代碼中使用了線(xiàn)性回歸算法，這個(gè)場(chǎng)景使用這個(gè)算法，預測效果一般，各位可以考慮使用其他算法嘗試結果。

發(fā)現之前有很多代碼都是重復的工作，為了讓代碼看的更優(yōu)雅，定義了函數，去調用，頓時(shí)高大上了

#!/usr/bin/python
# -*- coding:UTF-8 -*-

#導入需要的包
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import operator
from sklearn import datasets,linear_model
from sklearn.linear_model import LogisticRegression

#讀取文件
df = pd.read_table(''newdata.txt'',header=None,sep='','')

#讀取日期
tdate = sorted(df.loc[:,0])

#將以列項為數據，將球號碼取出，寫(xiě)入到csv文件中，并取50行數據
# Function to red number to csv file
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,header=None)
    fp = file(csv_name)
    s = fp.read()
    fp.close()
    a = s.split(''\n'')
    a.insert(0, ''numid,number'')
    s = ''\n''.join(a)
    fp = file(csv_name, ''w'')
    fp.write(s)
    fp.close()

#調用取號碼函數
# create file
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(''blue1'',7,''bluenumdata.csv'')


#獲取數據，X_parameter為numid數據,Y_parameter為number數據
# Function to get data
def get_data(file_name):
    data = pd.read_csv(file_name)
    X_parameter = []
    Y_parameter = []
    for single_square_feet ,single_price_value in zip(data[''numid''],data[''number'']):
        X_parameter.append([float(single_square_feet)])
        Y_parameter.append(float(single_price_value))
    return X_parameter,Y_parameter


#訓練線(xiàn)性模型
# Function for Fitting our data to Linear model
def linear_model_main(X_parameters,Y_parameters,predict_value):
    # Create linear regression object
    regr = linear_model.LinearRegression()
    #regr = LogisticRegression()
    regr.fit(X_parameters, Y_parameters)
    predict_outcome = regr.predict(predict_value)
    predictions = {}
    predictions[''intercept''] = regr.intercept_
    predictions[''coefficient''] = regr.coef_
    predictions[''predicted_value''] = predict_outcome
    return predictions


#獲取預測結果函數
def get_predicted_num(inputfile,num):
    X,Y = get_data(inputfile)
    predictvalue = 51
    result = linear_model_main(X,Y,predictvalue)
    print "num "+ str(num) +" Intercept value " , result[''intercept'']
    print "num "+ str(num) +" coefficient" , result[''coefficient'']
    print "num "+ str(num) +" Predicted value: ",result[''predicted_value'']


#調用函數分別預測紅球、藍球
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)


# 獲取X,Y數據預測結果
# X,Y = get_data(''rednum1data.csv'')
# predictvalue = 21
# result = linear_model_main(X,Y,predictvalue)
# print "red num 1 Intercept value " , result[''intercept'']
# print "red num 1 coefficient" , result[''coefficient'']
# print "red num 1 Predicted value: ",result[''predicted_value'']


# Function to show the resutls of linear fit model
def show_linear_line(X_parameters,Y_parameters):
    # Create linear regression object
    regr = linear_model.LinearRegression()
    #regr = LogisticRegression()
    regr.fit(X_parameters, Y_parameters)
    plt.figure(figsize=(12,6),dpi=80)
    plt.legend(loc=''best'')
    plt.scatter(X_parameters,Y_parameters,color=''blue'')
    plt.plot(X_parameters,regr.predict(X_parameters),color=''red'',linewidth=4)
    plt.xticks(())
    plt.yticks(())
    plt.show()

#顯示模型圖像，如果需要畫(huà)圖，將“獲取X,Y數據預測結果”這塊注釋去掉，“調用函數分別預測紅球、藍球”這塊代碼注釋下
# show_linear_line(X,Y)

預測2016-05-15開(kāi)獎結果：

實(shí)際開(kāi)獎結果：05 06 10 16 22 26  11


以下為預測值：

#取5個(gè)數，計算的結果
num 1 Intercept value  5.66666666667
num 1 coefficient [-0.6]
num 1 Predicted value:  [ 2.06666667]
num 2 Intercept value  7.33333333333
num 2 coefficient [ 0.2]
num 2 Predicted value:  [ 8.53333333]
num 3 Intercept value  14.619047619
num 3 coefficient [-0.51428571]
num 3 Predicted value:  [ 11.53333333]
num 4 Intercept value  17.7619047619
num 4 coefficient [-0.37142857]
num 4 Predicted value:  [ 15.53333333]
num 5 Intercept value  21.7142857143
num 5 coefficient [ 1.11428571]
num 5 Predicted value:  [ 28.4]
num 6 Intercept value  28.5238095238
num 6 coefficient [ 0.65714286]
num 6 Predicted value:  [ 32.46666667]
num 1 Intercept value  9.57142857143
num 1 coefficient [-0.82857143]
num 1 Predicted value:  [ 4.6]

四舍五入結果：
2 9 12 16 28 33 5


#取12個(gè)數，計算的結果四舍五入：
3 7 12 15 24 30 7

#取15個(gè)數，計算的結果四舍五入：
4 7 13 15 25 31 7

#取18個(gè)數，計算的結果四舍五入：
4 8 13 16 23 31 8

#取20個(gè)數，計算的結果四舍五入：
4 7 12 22 24 27 10

#取25個(gè)數，計算的結果四舍五入：
7 8 13 17 24 30 6

#取50個(gè)數，計算的結果四舍五入：
4 10 14 18 23 29 8

#取100個(gè)數，計算的結果四舍五入：
5 11 15 19 24 29 8

#取500個(gè)數，計算的結果四舍五入：
5 10 15 20 24 29 9

#取1000個(gè)數，計算的結果四舍五入：
5 10 14 19 24 29 9

#取1939個(gè)數，計算的結果四舍五入：
5 10 14 19 24 29 9

看來(lái)預測中獎?wù)媸怯行╇y度，隨機性太高，雙色球預測案例，只是為了讓入門(mén)數據分析的朋友有些思路，要想中大獎還是有難度的，多做好事善事多積德行善吧。