https://github.com/smdmts/numbers4_lstm-1
LSTMを用いたナンバーズ4の当選番号予測
https://github.com/smdmts/numbers4_lstm-1
Last synced: about 2 months ago
JSON representation
LSTMを用いたナンバーズ4の当選番号予測
- Host: GitHub
- URL: https://github.com/smdmts/numbers4_lstm-1
- Owner: smdmts
- License: mit
- Created: 2018-11-25T09:07:16.000Z (over 6 years ago)
- Default Branch: master
- Last Pushed: 2017-12-11T02:18:13.000Z (over 7 years ago)
- Last Synced: 2025-02-04T14:35:57.014Z (4 months ago)
- Language: Python
- Size: 26.4 KB
- Stars: 0
- Watchers: 2
- Forks: 1
- Open Issues: 0
-
Metadata Files:
- Readme: README.md
- License: LICENSE
Awesome Lists containing this project
README
# LSTMを用いたナンバーズ4の当選番号予測
ニューラルネットワークを用いてナンバーズ4の次回の当選番号を予測する
## ナンバーズ4とは
- 数字選択式宝くじ
- 平日は毎日抽選が行われる
- 数字が4つ並ぶナンバーズ4を解析対象
- 同じ数字が何回か連続して出現しやすい
→ 引っ張り現象 = 前回の結果と今回の結果には相関関係がある
## 実行環境
- Python 3.5.2 (Anaconda)
## 必要なライブラリ
- Chainer 3.0.0
- numpy
## 使い方
### 学習
```train.py```には以下の引数が設定されている。-tでtypeの設定を行うことができる。n4は4桁の数字として学習させ、n4_oneは4桁の数字を分割して一文字ずつ学習させる。
```Python:train.py
parser = argparse.ArgumentParser()
parser.add_argument('--batchsize', '-b', type=int, default=50,
help='Number of examples in each mini-batch')
parser.add_argument('--bproplen', '-l', type=int, default=50,
help='Number of words in each mini-batch '
'(= length of truncated BPTT)')
parser.add_argument('--epoch', '-e', type=int, default=100,
help='Number of sweeps over the dataset to train')
parser.add_argument('--gpu', '-g', type=int, default=-1,
help='GPU ID (negative value indicates CPU)')
parser.add_argument('--gradclip', '-c', type=float, default=5,
help='Gradient norm threshold to clip')
parser.add_argument('--out', '-o', default='result',
help='Directory to output the result')
parser.add_argument('--type', '-t', default='n4',
help='Choose dataset. n4 or n4_one')
parser.add_argument('--resume', '-r', default='',
help='Resume the training from snapshot')
parser.add_argument('--unit', '-u', type=int, default=128,
help='Number of LSTM units in each layer')
parser.add_argument('--model', '-m', default='model.npz',
help='Model file name to serialize')
args = parser.parse_args()
```
./dataにナンバーズ4の[過去当選番号](http://r7-yosou.hippy.jp/data.html)を配置しておく。また、ファイル形式はcsvを想定している。シート選択等は配慮していないためダウンロード後は、ナンバーズ4のみのファイルに書き換える必要がある。
------------------------------------------------------------------------
### 当選番号の予測
学習後は```predict.py```で予測を行うことができる。-mに学習済みモデル、-pに前回の当選番号を設定し、実行する。
- 実行結果
```terminal
Datasize : 4796
* train : 1598
* test : 1598
* valid : 1598
* vocab : 10000
run train ...
run test ...
# ---------------------------------
# test perplexity : 1.01022369536
# ---------------------------------
>>> python predict.py -t n4 -m ./model_n4.npz -p 9840
9840 6934 9699 6768 ...
```