# LottoProphet **Repository Path**: ilovecode2018/LottoProphet ## Basic Information - **Project Name**: LottoProphet - **Description**: No description available - **Primary Language**: Unknown - **License**: Not specified - **Default Branch**: master - **Homepage**: None - **GVP Project**: No ## Statistics - **Stars**: 0 - **Forks**: 0 - **Created**: 2025-12-17 - **Last Updated**: 2025-12-17 ## Categories & Tags **Categories**: Uncategorized **Tags**: None ## README # LottoProphet 一个使用深度学习模型进行彩票号码预测的应用程序。本项目支持两种主要的彩票类型：**双色球 (SSQ)** 和 **大乐透 (DLT)**，并使用先进的机器学习技术（如条件随机场 CRF）进行序列建模。 [English README](./README_EN.md) | 中文说明 ## 20241210更新内容 [查看文档](./docs/train_ssq_update.md) ## 20241210更新内容 [查看文档](./docs/train_ssq_update.md) ## 20250114更新内容 [查看文档](./update/README.md) 主要修复内容：每次多个的结果都一样 ## 20250322更新内容 [查看文档](./update/20250322Update.md) 主要更新内容：UI优化、功能增强和性能优化 ## 20250323更新内容 [查看文档](./update/20250323Update.md) 代码重构，模型增加，修复已知问题 ## 20250325更新内容 [查看文档](./update/20250325Update.md) 期望值模型 ## 20250413更新内容 [查看文档](./update/blue_ball_fix_update.md) 修复已知问题 ## 多个小伙伴遇到安装 torchcrf 失败，解决方案：从 GitHub 克隆并手动安装 1. **克隆仓库**： ```bash git clone https://github.com/kmkurn/pytorch-crf.git cd pytorch-crf python setup.py install ``` --- ## 目录结构 ```plaintext LottoProphet/ ├── main.py # 主程序入口点，支持命令行参数启动不同功能 ├── lottery_predictor_app_new.py # 主程序新版本，实现了完整的GUI界面和功能 ├── ui_components.py # UI组件模块，包含tab页面创建和布局相关功能 ├── thread_utils.py # 模型训练和数据更新的线程工具，支持后台运行 ├── model_utils.py # 模型加载和预测工具，管理模型资源 ├── prediction_utils.py # 号码生成和预测工具，处理预测结果 ├── data_processing.py # 数据处理模块，统计分析和特征工程 ├── ml_models.py # 机器学习模型实现，包含多种预测模型和集成学习 ├── fetch_and_train.py # 数据获取和模型训练脚本，自动化训练流程 ├── train_models.py # 模型训练脚本，用于命令行单独训练模型 ├── theme_manager.py # UI主题管理器，支持深色和浅色主题切换 ├── model.py # 模型定义文件，包含神经网络结构 ├── scripts/ │ ├── data_analysis.py # 数据分析工具，提供数据可视化和统计分析功能 │ ├── advanced_statistics.py # 高级统计分析，包含复杂统计指标计算和图表生成 │ ├── dlt/ │ │ ├── train_dlt_model.py # 大乐透模型训练脚本，使用LSTM-CRF序列建模 │ │ ├── fetch_dlt_data.py # 大乐透数据获取脚本，爬取最新历史数据 │ │ ├── dlt_history.csv # 大乐透历史数据，包含开奖号码和日期信息 │ │ └── training_loss.png # 大乐透训练损失可视化，展示模型训练过程 │ └── ssq/ │ ├── train_ssq_model.py # 双色球模型训练脚本，使用LSTM-CRF序列建模 │ ├── fetch_ssq_data.py # 双色球数据获取脚本，爬取最新历史数据 │ └── ssq_history.csv # 双色球历史数据，包含开奖号码和日期信息 ├── model/ │ ├── README.md # 模型文档，解释模型架构和使用方法 │ ├── MODEL_UPDATE_SUMMARY.md # 模型更新摘要，记录模型改进历史 │ ├── generate_placeholder_models.py # 生成占位模型脚本，用于测试和初始化 │ ├── test_model_loading.py # 测试模型加载脚本，验证模型文件完整性 │ ├── dlt/ # 大乐透模型目录，用于存储训练好的模型 │ └── ssq/ # 双色球模型目录，用于存储训练好的模型 ├── update/ │ ├── README.md # 更新文档，综合介绍各版本更新内容 │ ├── 20250217Update.md # 2025年2月17日更新说明 │ ├── 20250219Update.md # 2025年2月19日更新说明 │ ├── 20250322Update.md # 2025年3月22日更新，新增UI和功能优化 │ ├── 20250323Update.md # 2025年3月23日更新，新增UI和功能优化 │ └── 20250325Update.md # 2025年3月25日更新，新增期望值模型 └── requirements.txt # 项目依赖列表，包含所需Python库 ``` 只需要运行main.py（ssq_history.csv，ssq_model.pth，scaler_X.pkl等都会通过调用自动生成 ） ## 软件截图 > **注意**: 最新版本(2025年3月22日更新)已优化UI界面，使用QTabWidget分离预测和分析功能。如下 ![image](https://github.com/user-attachments/assets/187a8e17-fb40-4cc1-9892-36fa1401d386) ![image](https://github.com/user-attachments/assets/faec6855-2599-46c6-b78f-292748130c12) # 彩票预测应用程序整体流程 彩票预测应用程序的主要步骤，包括数据获取、模型训练和用户界面交互。应用程序支持两种彩票类型：**双色球（ssq）**和**大乐透（dlt）**。 ## 1. 组件概述 ### 数据获取脚本 - **双色球数据获取 (`fetch_ssq_data.py`)** - 爬取双色球历史数据。 - 保存数据为 `ssq_history.csv`。 - **大乐透数据获取 (`fetch_dlt_data.py`)** - 爬取大乐透历史数据。 - 保存数据为 `dlt_history.csv`。 ### 模型训练脚本 - **双色球模型训练 (`train_ssq_model.py`)** - 检查并下载 `ssq_history.csv`（若不存在）。 - 预处理数据并训练 LSTM-CRF 模型。 - 保存训练好的模型和特征缩放器。 - **大乐透模型训练 (`train_dlt_model.py`)** - 检查并下载 `dlt_history.csv`（若不存在）。 - 预处理数据并训练 LSTM-CRF 模型。 - 保存训练好的模型和特征缩放器。 ### 主应用程序 - **主界面 (`lottery_predictor_app_new.py/main.py`)** - 提供用户界面，选择彩票类型（双色球或大乐透）。 - 输入特征值并选择生成的预测数量。 - 按钮操作： - **训练模型**：启动训练线程，调用相应的训练脚本。 - **生成预测**：加载模型，处理输入特征，生成并显示预测号码。 - **数据分析**：使用高级统计方法分析历史数据。 - 日志显示框：实时展示训练和预测过程中的日志信息。 - 支持深色/浅色主题切换。 ## 2. 整体流程 ### 训练模型流程 1. **用户操作**： - 在主界面选择彩票类型（双色球或大乐透）。 - 点击"训练模型"按钮。 2. **启动训练线程**： - `TrainModelThread` 启动，调用对应的训练脚本 (`train_ssq_model.py` 或 `train_dlt_model.py`)。 3. **数据检查与获取**： - 训练脚本检查历史数据文件 (`ssq_history.csv` 或 `dlt_history.csv`) 是否存在。 - 若不存在，调用对应的数据获取脚本下载数据。 4. **数据预处理与模型训练**： - 加载并预处理数据（特征缩放、划分训练集和验证集）。 - 初始化并训练 LSTM-CRF 模型或其他机器学习模型。 - 实施早停机制，保存最佳模型权重和缩放器。 - 支持GPU加速训练（如果可用）。 5. **日志更新与完成**： - 训练过程中的日志通过信号传递到主界面的日志框。 - 训练完成后，恢复界面操作并提示用户。 ### 生成预测流程 1. **用户操作**： - 在主界面选择彩票类型（双色球或大乐透）。 - 输入特征值（如和值、奇数个数等）或使用默认值。 - 选择生成的预测数量和预测模型（LSTM-CRF或其他ML模型）。 - 点击"生成预测"按钮。 2. **特征处理与模型加载**： - 获取并缩放用户输入的特征值。 - 添加随机噪声以增强多样性（基于正态分布的随机性）。 - 加载对应的彩票模型和特征缩放器。 3. **号码预测**： - 将处理后的特征输入模型，生成红球和蓝球的预测类别。 - 通过温度采样和Top-K参数增强预测多样性。 - 通过 CRF 解码获取具体的号码预测。 4. **结果处理与展示**： - 确保预测号码在有效范围内且红球号码唯一。 - 在主界面显示预测结果。 - 日志框实时记录预测过程中的详细信息。 - 支持保存和导出预测结果。 ### 数据分析流程 1. **用户操作**： - 切换到"数据分析"选项卡。 - 选择分析类型和参数。 2. **数据加载与处理**： - 加载历史数据并进行质量检查。 - 使用缓存机制（memoization）优化频繁数据分析操作的响应速度。 3. **统计分析与可视化**： - 频率分析：展示每个号码的历史出现频率。 - 热冷号分析：识别热门和冷门号码。 - 间隔统计：分析号码出现间隔规律。 - 模式分析：发现重复模式和序列。 - 趋势分析：分析长期趋势和变化。 - 高级统计：进行复杂的统计验证和假设检验。 4. **结果呈现**： - 生成高质量的统计图表。 - 提供数据解释和建议。 - 支持图表保存和导出。 ## 3. 错误处理和日志记录 - **数据获取脚本**： - 捕获网络请求异常和解析错误，记录详细日志。 - 支持自动重试和恢复数据获取。 - **训练脚本**： - 检查数据和脚本存在性，捕获训练过程中的异常。 - 保存训练检查点，支持从断点处恢复训练。 - **主应用程序**： - 训练和预测过程中捕获异常，通过日志框显示错误信息。 - 提供详细的错误诊断信息以帮助用户解决问题。 ## 4. 环境要求 - Python 3.9 或更高版本 - PyTorch (可选择GPU版本) - 现支持GPU加速训练和预测 - torchcrf - PyQt5 - pandas - numpy - scikit-learn - matplotlib (数据可视化) - seaborn (增强统计图表) - xgboost (高级机器学习模型) - lightgbm (可选) - catboost (可选) - joblib (模型序列化) ## 5. 安装步骤 1. **克隆仓库**： ```bash git clone git@github.com:zhaoyangpp/LottoProphet.git cd LottoProphet ``` 2. **安装依赖**: ```bash # 推荐使用虚拟环境 pip install -r requirements.txt ``` 3. **运行主程序**: ```bash python main.py app # 或直接从命令行运行特定功能 python main.py fetch ssq # 获取双色球数据 python main.py train dlt # 训练大乐透模型 python main.py predict ssq --model lightgbm # 使用LightGBM模型预测双色球 ```