Keras神经网络预测大乐透彩票的实现

高楷程

(东北石油大学，计算机与信息技术学院，黑龙江，大庆 163000)

0 引言

随着大乐透彩票的普及，彩民的购买热情越来越高，反映非常热烈。在该玩法受欢迎的同时, 各种预测的方法都出现了。目前, 出现预测方法都是基于统计理论提出的, 如奇偶比、遗漏期K值、区段出号码数字、数字频率的次数等。因为采用的是统计方法, 具有一定的偶然性，其结果并不完全可靠。本文采用Keras神经网络搭建预测模型，进行训练之后预测下一期的号码，从结果上来说提高了中奖的概率。

1 预测

首先，大乐透的中奖序列为35选5+12选2，每个球的选取是随机的，因此，想使用机器学习精准地预测出获奖序列是很难的。可以类比于机器学习选股票。目前有很多机器学习应用在股票选择上的例子，并能够实现盈利[1-3]。但机器学习选股和选彩票有几点显著差异：股票的涨跌存在各种因子、K线、舆情等参数用于评估和训练，但彩票的中奖序列是随机产生的，可供参考的可能仅有时间上的序列的概率分布。

所谓的概率分布指的是，假设彩票的中奖序列是完全随机产生的，序列中每一个球在一次开奖过程中出现的概率应该是相同的(前区和后区要分开算)，并且从时间序列上来看，连续的多次开奖中，每一个球的出现与否也应当满足某种规律(当然，这是宏观上讲，实际上肯定不会严格满足，但能够体现某种趋势或倾向)[4-6]。

2 数据

2.1 获取数据

在江苏体彩网获取数据，文件格式为csv。如图1所示。

2.2 处理数据

虽然数据已经获取到了，但显然这个数据无法直接应用于训练。需要对数据做一下简单的处理。

本文为中奖序列中的数字(或者说球)编号，从前往后它们的编号分别为1到7，其中1～5是前区的5个球，6～7是后区的2个球。

同理，对于给定的课题，假如我们有近一年以来的气温数据，需要预测明天的气温，一般的思路是用循环神经网络做序列的预测。假设按顺序给这近一年来的气温分别编号为1～365，其中t1表示第一天的气温，t365表示今天的气温。

气温的变化应该是有规律的(一般情况下)，让机器来学习这种规律。选定一个合适的时间长度，比如30天，然后将这30天的连续数据作为输入(x)，将接下来一天的气温数据作为输出(y)，就构成了一条数据。然后使用长度为31天的扫描框，对一年的数据进行一次遍历，就得到了一组数据集。用它进行训练，完成后，输入30天前到今天的气温序列，即可预测明天的气温。

本文的课题和预测气温差不多，使用连续若干期的球1数据来预测下期球1的分布概率，球2～球7都是同样的方法。单从输入输出看来就是这样，实际上实现起来肯定会有更多的处理和优化[7-9]。

和预测气温的例子不同，气温预测时只有一种因子参与，就是当天的气温值。而在这个例子里，输入的是7个球，输出的也是7个概率分布，所以这是个多输入、多输出的模型。

3 编写模型

模型示意图如图2所示。

图2 模型示意图

使用连续若干期的球1数据来预测下期球1的分布概率，球2～球7都是同样的方法，但因为这些球本身并不独立，比如球1开出了3，球2～球5就不可能再开出3，而是在剩下的里面选。所以我们在预测最后的概率之前，对球1～球5的中间层进行了拼接，再分别预测，这样模型可能会学习到每一期中前区的球之间的某种关系。对于球6和球7，也做了类似操作。

球1～球5在前区，球6～球7在后区，两者没什么关系，所以这两部分之间没有进行拼接。

最后的输出预测层选择了Softmax，严格来说，Softmax对于这个问题来说，并不是一个很好的选择，因为开球应该是条件概率，比如球1开了5之后，开球2的概率计算应该是球1=5条件下的条件概率，球3～球5同理。但最终还是选择了Softmax，原因一是Softmax实现起来更加简单，二是模型输出本身设计的就不是预测头等奖的完全正确序列，而是尽可能多地选中球。

4 工具方法

4.1 训练

数据和模型都已经准备完毕，可以进行训练了。但这个模型不同于一般的分类模型，因此选择回测方法评估模型的效果。

划分一部分数据(比如90%)作为训练集的训练模型，剩下的10%作为测试集。划分是按照时间顺序划分的，保证后面10%的数据绝不出现在训练集的结果数据或过程数据中。在使用训练集完成模型的训练后，对测试集进行预测，并按照预测结果购买彩票，计算支出和奖金，以最终的净收入的多少来衡量模型效果[10-13]。

按照训练集∶测试集=9∶1的比例划分数据集，在训练集上训练模型，并使用测试集回测。训练60轮，每一轮训练完成后都会保存模型的参数，并进行回测。在训练结束后，将所有回测结果按时间顺序绘制出折线图和趋势线，如图3所示。

图3 预测趋势图

多次运行的结果可能差距明显，其原因分析如下。

(1)训练数据的原因

彩票选号其实是没有严格的规律可言的，否则，哪怕只有极少数一批人能稳定猜中，这个游戏也没法长期运行。如果非要强行说个规律出来，那也只有长期下来的概率分布能勉强凑合。但首先大乐透也只开了1 000多期，数据有限，其次概率这种东西从字面上来看，就知道它不是固定的(哪怕出现的概率最高，也不一定会出现)。这样，当模型的随机初始权重不同，训练数据又很难找到特别清晰的规律时，模型学习到的东西也会产生相应的区别，它们分别倾向到了概率分布的不同表现形式。

(2)回测时选择彩票号码的原因

选择号码时，同样不是一定选择出现概率最大的球，只是出现概率越大，被选中的概率就越大，这样保证了结果的多样性。

两者综合起来，两次的运行结果可能天差地别，但从多次运行的整体来看，还是有一定规律的。

训练一定次数之后，亏损金额大多分布在[-1 200,-900]左右，少数情况下在(-900,-400]，极少数甚至还有盈余。

大部分都满足“随着训练次数的增加，损失逐步减少”的规律，即图中拟合的一次函数(一条斜直线)因为回测的随机性，单点结果是会出现起伏波动的，所以使用趋势来衡量整体结果会更加合适。

综上，模型应该起到了一定作用。

4.2 基线模型

基线模型指的是一个最基础、最简单的模型，它是从概率的角度上来说随机性最强的一个模型。

一般基线模型都是完全随机的。从前区选出5个球，后区选出2个球，每个球都随机选择，这就是基线模型。类似于彩票中心的机选方案。

模拟多次购买彩票来实现基线模型的预测亏损，模拟结果如图4所示。

图4 基线模型预测结果

多次运行可以发现，最后的平均值绝大多数落在[-1 400,-1 200]之间，其中又以-1 250左右最多。少数亏得更少或更多，极少数能够小赚。

5 预测下期彩票序列

如果准备利用模型买彩票，可以分为2种情况。

(1)选择在上一步训练好的某个模型参数，加载这个参数，输入倒数第MAX_STEPS期到最近一期的数据序列，预测下一期序列。

(2)使用完整数据集作为训练集，重新训练模型并保存。然后和第一种情况一样，加载模型参数，输入倒数第MAX_STEPS期到最近一期的数据序列，预测下一期序列。

两者的区别在于：

第一种情况，有回测数据，在选择训练好的参数时有一定的参考；第二种情况，使用了完整数据集来训练，就没有回测数据可参考了。

第一种情况的训练数据少于第二种的训练数据。按理说更多的训练数据通常会产生更好的效果。

运行一下，模型输出如图5所示。

6 总结

本文通过神经网络算法来进行大乐透彩票预测实验，从概率的角度说明预测的可能性，分别介绍了数据的获取、模型的搭建以及进行实验网络的训练实验。

将算法应用在大乐透预测上，并且获取最近100期开奖记录作为样本数据，通过实验发现能在一定概率上提高中奖率。对其他彩票建立预测模型也有一定的参考价值。