AI 빅데이터 분석을 이용한 로또 번호 예측 만들기 (하) - GPT와 함께

(상)편에 이어서

Python을 이용하여 실제 번호 예측을 진행해 보겠습니다.

#로또번호예측기

 

코드는 블로그 최하단에 넣어 둘게요.

csv파일은 https://johncom.tistory.com/71

AI 빅데이터 분석을 이용한 로또 번호 예측하기 (상) - GPT와 함께

python 설치는 https://johncom.tistory.com/49

python3 설치 부터 경로 설정까지 (pip, python, 환경 변수, path)

간단한 로또 번호 추출기는 https://johncom.tistory.com/59

python(Random), chatgpt, Deepl 를 활용한 로또 생성기

 

 

패키지 설치

바로 실행하게 되면 다음과 같은 오류가 발생할텐데

 

필요한 패키지 먼저 설치할게요.

 

pip install numpy
pip install pandas
pip install -U scikit-learn

## tenserflow 설치
pip install tensorflow

tenorflow의 경우 여러가지 설명하자면 너무 복잡하니 간단하게 사용방법만 보아요

 

저는 가상환경 만들어서 진행해서 파일이 있지만

lotto.csv

lotto.py

이렇게 두개 파일만 만들면 된답니다.

 

파이썬 파일을 실행하면

 

 

import numpy as np
import pandas as pd
from sklearn.preprocessing import MinMaxScaler
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import LSTM, Dense

# CSV 파일 로드
data = pd.read_csv('lotto_data.csv')  # 'lotto_data.csv' 파일을 읽어 데이터프레임으로 로드합니다.

# 데이터 스케일링
scaler = MinMaxScaler()  # MinMaxScaler 객체 생성
data_scaled = scaler.fit_transform(data)  # 데이터 스케일링 (0과 1 사이로 변환)

# 시계열 데이터 준비 함수
def create_dataset(data, time_steps=1):
    X, y = [], []
    for i in range(len(data) - time_steps):
        X.append(data[i:(i + time_steps)])  # time_steps 만큼의 데이터로 입력값 생성
        y.append(data[i + time_steps])      # time_steps 이후의 데이터로 출력값 생성
    return np.array(X), np.array(y)  # 입력값과 출력값 배열 반환

# 시계열 데이터 생성
time_steps = 10  # 이전 10회차 데이터를 사용하여 다음 회차를 예측합니다.
X, y = create_dataset(data_scaled, time_steps)
X = X.reshape(X.shape[0], X.shape[1], X.shape[2])  # LSTM 입력 형식에 맞게 데이터 재구성

# LSTM 모델 구성
model = Sequential()
model.add(LSTM(50, return_sequences=True, input_shape=(X.shape[1], X.shape[2])))  # 첫 번째 LSTM 레이어
model.add(LSTM(50, return_sequences=False))  # 두 번째 LSTM 레이어
model.add(Dense(6))  # Dense 레이어: 6개의 숫자를 예측
model.compile(optimizer='adam', loss='mean_squared_error')  # 모델 컴파일

# 모델 학습
model.fit(X, y, epochs=100, batch_size=32, validation_split=0.2)  # 모델 학습 (100 에포크, 배치 크기 32, 검증 데이터 20%)

# 예측
predictions = model.predict(X)  # 학습된 모델을 사용하여 예측

# 원래 스케일로 역변환
predictions_scaled_back = scaler.inverse_transform(predictions)  # 예측된 값을 원래 스케일로 변환

# 예측된 값에서 확률적으로 6개의 번호를 선택하는 함수
def pick_numbers(predictions):
    picked_numbers = []
    for i in range(len(predictions)):
        picked_numbers.append(np.random.choice(predictions[i].astype(int), 6, replace=False))  # 각 회차별로 6개의 번호를 무작위로 선택
    return np.array(picked_numbers)

# 가장 최근 예측된 회차의 숫자를 사용하여 번호 선택
picked_numbers = pick_numbers(predictions_scaled_back[-1:])  # 마지막 예측된 회차의 숫자를 사용
print("Predicted numbers:", picked_numbers)  # 예측된 번호 출력

 

저는 빅데이터나 AI 전문가는 아니지만

개발을 같이 하기 때문에 사용방법만 터득해서 한번 만들어 보았습니다.

사용중에 어려운 부분있으면 댓글 남겨주세요