Installing step1，安装anaconda(可参考https://zhuanlan.zhihu.com/p/32925500)； step2，创建一个conda环境，conda create -n your_env_name python=3.6； step3，进入创建conda的环境 conda activate your_env_name，然后执行pip install -r requirements.txt； step4，按照Getting Started执行即可，推荐使用PyCharm Getting Started python get_data.py --name ssq # 执行获取双色球训练数据 如果出现解析错误，应该看看网页 http://datachart.500.com/ssq/history/newinc/history.php 是否可以正常访问 若要大乐透，替换参数 --name dlt 即可 python run_train_model.py --name ssq # 执行训练双色球模型 开始模型训练，先训练红球模型，再训练蓝球

购买彩票已经成为人们生活当中一 种娱乐性投资。因此, 如何提高中奖率, 必将成为彩民朋友一个很关心的问题。 许多彩民朋友在购买彩票的时候往往会 对以往的出现的数据组合进行分析, 看 看是否有什么规律, 希望将此结果作为 对未来的数据进行预测。在众多的方法 中有一种方法很普遍: 认为在以往众多 期数中出现次数较多的数据或者数据组 合在往后的期数出现的机会也应该很 大。也就是在购买彩票前看看以前哪些 号码出现的次数多, 越多就表示它往后 出现的机会也越多。利用这种方法来购 买下期的号码, 表面上看来很合理。下面 我们针对这个问题使用关联规则挖掘中 经典算法Apriori 算法来对其进行一些 实例研究, 并且运用概率论的知识对所 得结论进行解释。

基于BP网络的彩票预测系统的研究，给出了基于BP神经网络的彩票预测方法

优点—— RBF神经网络有很强的非线性拟合能力，可映射任意复杂的非线性关系，而且 学习规则简单，便于计算机实现。具有很强的鲁棒性、记忆能力、非线性映 射能力以及强大的自学习能力，因此在彩票等非线性大数据分析预测方面， 有着很大的应用市场。 具有局部逼近的优点 RBF神经网络是一种性能优良的前馈型神经网络，RBF网络可以任意精度逼近 任意的非线性函数，且具有全局逼近能力，从根 本上解决了BP网络的局部最优问题，而且拓扑结构紧凑，结构参数可实现分 离学习，收敛速度快。 只要在MATLAB（R2014b）平台上，通过运行径向基神经网络“RBF_SSQ”就可 以快速预测。预测系统推荐两注（参数可修改），单注可每号+-1，最多可12 个号复试；也可直接单注投注。单注中奖率一般在2个以上，复试一般在4-6 个红球。预测可靠性远远高于网络彩票预测机构的水准。

用反向神经网络实现彩票的预测，学习神经网络的一个号例子，神经网络代码

本文利用德国足球甲级联赛2014-2015赛季共306场比赛的积分、排名、主客场情况数据，首先进行多分类logistic模型，预测比赛结果。再建立有序多分类logistic回归模型进行比赛结果的预测。并将预测结果进行对比分析，发现有序多分类logistic模型预测结果优于多分类logistic模型。另外，本文将每场比赛的比分差作为因变量，胜平负赔率作为自变量，建立了多元回归模型，从赔率的角度预测比赛结果。 结果表明，对于一场比赛，当多分类logistic模型预测结果和赔率多元回归模型预测结果相吻合的时候，预测准确率将大大提高。

基于BP网络的彩票预测系统的研究.kdh 双色球彩票分析技术及其应用研究.nh 双色球的数理分析及其应用.caj BP算法的模拟程序.caj 预测源代码（练习用，不很准确）