机器学习-近9年双色球开奖数据的频繁项集
来源:互联网 发布:阿里云ip 编辑:程序博客网 时间:2024/06/17 13:40
绝大多数的人都有过一夜暴富的梦想,购买双色球便是实现这种梦想的方式之一,因此各种专家号推荐层出不穷。
在这里我想尝试用机器学习的方法来揭开双色球的秘密,即一切用数据说话。本着娱乐至上的目的为大家带来一次“杀号定胆”的游戏。
数据采集
双色球历史数据: 2009~2017的1229期开奖数据
采集方式: Python 网络爬虫
具体代码: 文末有相关链接
数据分析
相关算法: Apriori 或者 FP-Growth
数据类型: 标称型
双色球数据结构: [‘02’,’13’,’22’,’23’,’26’,’33’,’b02’]
算法结果: 输出历史开奖的单个号码和组合号码的出现频率
分析结果报告
通过数据分析后,我将算法结果总结了一份双色球历史开奖数据报告,大家各取所需哈。
红色球单个号码依据随机均匀分布,出现频率为:2/11
蓝色球单个号码依据随机均匀分布,出现频率为:1/16
以下号码除33,b02(最不常出现号码)外,出现频率均超过平均频率
偷偷告诉你们一个秘密,听说红01和蓝12更配哦。
结论
从数据来看,双色球号码是比较服从均匀分布的;小玩怡情,大玩伤身,好了,我要去买一注最常出现的和一注最不常出现的双色球了。
相关代码链接:数据收集以及分析算法
阅读全文
1 0
- 机器学习-近9年双色球开奖数据的频繁项集
- 机器学习:Apriori发现频繁项集和关联规则
- 机器学习:FP-growth 发现频繁项集
- 今天的开奖信数据
- 基于频繁项集的数据挖掘
- 大数据:频繁项集
- [完]机器学习实战 第十二章 使用FP-growth算法来高效发现频繁项集
- py2.7《机器学习实战》使用FP-growth算法高效发现频繁项集
- 【机器学习实战-python3】使用FP-growth算法来高效 发现频繁项集
- 机器学习之使用FP-growth算法来高效发现频繁项集
- 机器学习实战-使用FP-growth算法来高效发现频繁项集
- 【机器学习实战】第12章 使用FP-growth算法来高效发现频繁项集
- 【机器学习实战】第12章 使用 FP-growth 算法来高效发现频繁项集
- 【机器学习实战】第12章 使用FP-growth算法来高效发现频繁项集
- 机器学习实战笔记-使用FP-growth算法来高效发现频繁项集
- 机器学习(31)之频繁集挖掘FP Tree详解
- C++---Apriori算法实现,频繁模式数据挖掘,最大频繁项集,闭频繁项集
- 数据挖掘中的模式发现(一)频繁项集、频繁闭项集、最大频繁项集
- 不要使用equals方法对AtomicXXX进行是否相等的判断
- Mysql内核:INNODB存储引擎--《十一》Insert Buffer
- Eclipse项目迁移AndroidStudio的两种方式
- [清橙A1212]剪枝-动态规划
- jQuery常用选择器总结
- 机器学习-近9年双色球开奖数据的频繁项集
- IntelliJ IDEA相关
- centos7配置zookeeper+mesos+marathon+docker
- Eclipse常用快捷键
- JAVA套接字之TCP编程
- python字符串的格式化(转自:田小计划)
- 8--安装kafka_2.10-0.10.2.0集群(三个节点)
- 停车场管理系统
- new Date()和System.currentTimeMillis()性能之比较