简介这是一份面向Python与深度学习入门者的LSTM双色球预测实战源码包适合想通过真实项目理解时序建模、数据预处理与模型训练流程的开发者练手。资源围绕红球与蓝球分别建模涵盖数据下载、模型定义、训练脚本与配置管理等环节并配有Jupyter Notebook便于逐步调试与结果观察。压缩包共13个文件以8个py脚本为核心辅以1个ipynb交互笔记、1个yaml任务配置、1个json设置、1个txt依赖清单及1个md说明文档整体约8KB结构紧凑、模块划分清晰。已有914人学习下载读者可借此掌握从环境搭建、依赖安装到模型训练与预测的完整链路理解LSTM在序列数据上的应用思路并参考其目录组织方式快速迁移到其他时序预测场景。1. 双色球LSTM预测一个值得动手但必须摆正预期的时序项目双色球开奖数据是典型的离散时间序列每期六个红球加一个蓝球看起来和股票收盘价、设备振动信号一样都能塞进 LSTM 做时间序列预测。很多做 python 入门 的朋友第一次接触 lstm 时间序列预测python就是从这类彩票数据开始的——数据免费、格式简单、不用爬虫就能拿到几百上千期历史记录拿来练手确实合适。但我要先把话说在前面双色球每期开奖是独立随机事件LSTM 学不到真正的“规律”这个项目的价值在于帮你把 LSTM 的输入输出结构、滑动窗口构造、多输出建模、训练调参这一整套流程跑通而不是真的能预测下一期中奖号码。适合谁做适合已经装好 python、会一点 numpy 和 pandas、想找一个完整小项目把 LSTM 从理论落到代码的人。如果你指望靠它发财那趁早换方向如果你想借它把 lstm模型代码 写利索那往下看。2. 数据准备与滑动窗口构造把开奖记录变成 LSTM 能吃的张量2.1 双色球数据的获取与清洗常见做法是从公开的开奖历史页面把数据整理成 CSV字段至少包含期号、六个红球、一个蓝球。我一般会先把红球和蓝球分开处理因为红球是 1-33 选 6蓝球是 1-16 选 1值域不同混在一起归一化会互相干扰。清洗阶段重点做三件事按开奖日期升序排列、检查有没有重复期号、把缺失期补掉或直接丢弃。下面这段代码假设你已经有一个ssq.csv列名是date, r1, r2, r3, r4, r5, r6, blue。import pandas as pd import numpy as np df pd.read_csv(ssq.csv, parse_dates[date]) df df.sort_values(date).drop_duplicates(subsetdate).reset_index(dropTrue) red_cols [r1, r2, r3, r4, r5, r6] red df[red_cols].values.astype(np.float32) # shape: (N, 6) blue df[blue].values.astype(np.float32) # shape: (N,) # 红球和蓝球分别归一化到 [0,1]避免值域差异影响梯度 red_norm (red - 1) / 32.0 blue_norm (blue - 1) / 15.0 print(red_norm.shape, blue_norm.shape)逻辑说明红球最小值 1、最大值 33减 1 除 32 后落在 [0,1]蓝球最小值 1、最大值 16减 1 除 15 后同样落在 [0,1]。参数上astype(np.float32)是为了后面喂给 PyTorch 时不用再转省一步。如果你用的是 TensorFlowfloat32 也是默认推荐。注意不要对红球做 one-hot 再拼成 33 维向量那样输入维度会膨胀到 33×6小数据集上更容易过拟合直接用归一化数值就够了。2.2 滑动窗口用前 N 期预测下一期LSTM 需要三维输入(batch, seq_len, feature)。双色球每期有 7 个号码所以 feature 维度是 76 红 1 蓝。滑动窗口的意思是用第 t 期到第 tseq_len-1 期的数据作为输入预测第 tseq_len 期的号码。seq_len 我一般从 10 开始试太小比如 3模型看不到足够上下文太大比如 50样本数会急剧减少几百期数据根本不够分训练集和验证集。def make_windows(red_norm, blue_norm, seq_len10): # 把红球和蓝球拼在一起每期 7 个特征 series np.concatenate([red_norm, blue_norm.reshape(-1, 1)], axis1) # (N, 7) X, y [], [] for i in range(len(series) - seq_len): X.append(series[i:iseq_len]) # 前 seq_len 期 y.append(series[iseq_len]) # 下一期 7 个号码 return np.array(X, dtypenp.float32), np.array(y, dtypenp.float32) X, y make_windows(red_norm, blue_norm, seq_len10) print(X.shape, y.shape) # 例如 (990, 10, 7) (990, 7)逻辑说明series把红蓝拼成 (N,7)循环从第 0 期走到第 N-seq_len-1 期每次取连续 seq_len 期做输入紧跟着的那一期做标签。参数seq_len10是经验起点你可以改成 5、15、20 做对比实验。注意 y 的形状是 (样本数, 7)不是 (样本数, 6) 或 (样本数, 1)因为我们要一次性预测 6 红 1 蓝这属于多输出回归。如果你只想预测蓝球可以把 y 改成只取最后一列问题会简单很多但也就失去了“双色球预测”的完整形态。2.3 训练集/验证集划分与 DataLoader时间序列不能随机打乱划分否则会用未来数据预测过去造成信息泄漏。正确做法是按时间顺序切前 80% 做训练后 20% 做验证。PyTorch 的 DataLoader 默认会 shuffle这里必须关掉。import torch from torch.utils.data import TensorDataset, DataLoader split int(len(X) * 0.8) X_train, X_val X[:split], X[split:] y_train, y_val y[:split], y[split:] train_ds TensorDataset(torch.from_numpy(X_train), torch.from_numpy(y_train)) val_ds TensorDataset(torch.from_numpy(X_val), torch.from_numpy(y_val)) train_loader DataLoader(train_ds, batch_size32, shuffleFalse) val_loader DataLoader(val_ds, batch_size32, shuffleFalse)逻辑说明split按 80% 切分shuffleFalse是关键时间序列一旦打乱验证集里的样本可能和训练集在时间上交错评估结果会虚高。batch_size 取 32 是常规起点数据量小的时候可以降到 16。注意验证集不参与梯度更新只用来观察损失是否过拟合。3. LSTM 模型搭建与训练从 nn.LSTM 到多输出回归头3.1 模型结构一层 LSTM 加一个全连接输出PyTorch 的nn.LSTM是最常用的 lstm模型代码 写法。输入维度 7隐藏层维度我一般从 64 开始试层数先用 1 层因为数据量不大两层以上很容易过拟合。LSTM 输出取最后一个时间步的 hidden state再接一个nn.Linear(hidden, 7)映射到 7 个号码的预测值。import torch.nn as nn class SSQLSTM(nn.Module): def __init__(self, input_dim7, hidden_dim64, output_dim7, num_layers1): super().__init__() self.lstm nn.LSTM(input_dim, hidden_dim, num_layers, batch_firstTrue) self.fc nn.Linear(hidden_dim, output_dim) def forward(self, x): # x: (batch, seq_len, input_dim) out, (h_n, c_n) self.lstm(x) last out[:, -1, :] # 取最后一个时间步 return self.fc(last) # (batch, 7) model SSQLSTM() print(sum(p.numel() for p in model.parameters()))逻辑说明batch_firstTrue让输入形状是 (batch, seq_len, feature)符合我们前面构造的数据。out[:, -1, :]取最后一个时间步的输出因为 LSTM 是逐步吞入序列最后一步的 hidden state 包含了整段序列的信息。num_layers1是起点如果你发现训练损失降不下去可以加到 2但记得同时加 dropout。参数量打印出来大概几万对于几百条样本来说已经偏多所以正则化很重要。3.2 损失函数与优化器MSE 配 Adam双色球号码预测本质是回归问题用 MSE 最直接。优化器用 Adam学习率 1e-3 是常规起点。注意红球和蓝球的预测难度不同蓝球只有 16 个取值红球有 33 个如果发现蓝球预测误差明显大于红球可以在损失里给蓝球那一维加权。import torch.optim as optim device torch.device(cuda if torch.cuda.is_available() else cpu) model model.to(device) criterion nn.MSELoss() optimizer optim.Adam(model.parameters(), lr1e-3) def train_one_epoch(loader): model.train() total_loss 0 for xb, yb in loader: xb, yb xb.to(device), yb.to(device) optimizer.zero_grad() pred model(xb) loss criterion(pred, yb) loss.backward() optimizer.step() total_loss loss.item() * xb.size(0) return total_loss / len(loader.dataset) for epoch in range(50): train_loss train_one_epoch(train_loader) if epoch % 10 0: print(fepoch {epoch}, train_loss {train_loss:.6f})逻辑说明optimizer.zero_grad()清空上一轮梯度loss.backward()反向传播optimizer.step()更新参数这是 PyTorch 训练的标准三步。total_loss loss.item() * xb.size(0)是为了按样本数加权平均避免最后一个 batch 大小不同导致统计偏差。学习率 1e-3 如果发现损失震荡可以降到 5e-4如果损失下降太慢可以升到 2e-3但不要超过 1e-2否则容易发散。3.3 验证与早停别让模型背答案训练过程中要同时看验证集损失如果训练损失持续下降而验证损失开始上升说明过拟合了。早停策略是记录验证损失最低的 epoch连续 10 个 epoch 没有改善就停止训练并恢复最佳权重。best_val float(inf) patience 10 wait 0 best_state None for epoch in range(200): train_loss train_one_epoch(train_loader) model.eval() val_loss 0 with torch.no_grad(): for xb, yb in val_loader: xb, yb xb.to(device), yb.to(device) pred model(xb) val_loss criterion(pred, yb).item() * xb.size(0) val_loss / len(val_loader.dataset) if val_loss best_val: best_val val_loss best_state model.state_dict() wait 0 else: wait 1 if wait patience: print(fearly stop at epoch {epoch}) break model.load_state_dict(best_state)逻辑说明model.eval()切换评估模式关闭 dropout 等训练专用层torch.no_grad()关闭梯度计算节省显存。patience10是耐心值表示验证损失连续 10 轮不降就停。best_state保存最佳权重最后恢复避免用最后一轮过拟合的权重做预测。注意验证损失用和训练一样的 MSE不要换成 MAE否则数值不可比。4. 预测结果解读与避坑为什么你的模型看起来“准”却没用4.1 把归一化输出还原成号码模型输出是 [0,1] 的浮点数需要反归一化再四舍五入到整数。红球还原公式是round(pred * 32 1)蓝球是round(pred * 15 1)。但要注意红球六个号码理论上应该互不相同模型可能输出重复值这时候需要做后处理比如把重复的号码替换成概率次高的候选。def decode(pred): pred pred.detach().cpu().numpy() red np.round(pred[:6] * 32 1).astype(int) blue int(np.round(pred[6] * 15 1)) red np.clip(red, 1, 33) blue int(np.clip(blue, 1, 16)) return sorted(red), blue model.eval() with torch.no_grad(): sample torch.from_numpy(X_val[:1]).to(device) pred model(sample)[0] red, blue decode(pred) print(预测红球:, red, 蓝球:, blue)逻辑说明np.clip防止模型输出超出 1-33 或 1-16 的范围。sorted(red)只是让输出好看不影响预测。重复号码的处理这里没写因为双色球红球不允许重复实际使用时可以用贪心策略按预测值排序依次取不重复的号码直到凑够 6 个。参数上X_val[:1]取验证集第一条做示例你可以换成最新一期数据来生成“下一期预测”。4.2 避坑与常见问题现象一训练损失降到很低但预测号码和实际开奖完全对不上。原因模型学到的是历史号码的统计分布比如红球平均值在 17 左右它倾向于输出接近均值的数而不是具体中奖号码。解决接受这个现实把项目定位成 LSTM 练习不要用预测结果下注。如果想看模型有没有学到东西可以统计预测号码的分布是否和真实分布接近而不是看单期命中。现象二验证损失比训练损失低很多。原因验证集样本太少或者验证集恰好落在某个号码分布集中的时间段。解决增加数据量或者用滚动窗口做交叉验证不要只切一次 80/20。现象三模型输出全是同一个号码。原因学习率太大导致模型崩溃到均值解或者 LSTM 隐藏层维度太小。解决降低学习率到 1e-4增加 hidden_dim 到 128检查输入归一化是否正确。现象四GPU 显存不够。原因seq_len 太大或 batch_size 太大。解决seq_len 降到 5batch_size 降到 8或者用梯度累积模拟大 batch。现象五每次训练结果差异很大。原因随机初始化种子不同。解决固定torch.manual_seed(42)和np.random.seed(42)让实验可复现。注意双色球开奖是独立随机事件任何模型都无法真正预测中奖号码。这个项目的意义在于掌握 LSTM 时间序列预测的完整流程包括数据构造、模型搭建、训练调参和结果解读。5. 进阶技巧用多任务学习提升 LSTM 号码预测的稳定性如果你已经把基础版本跑通想再往前走一步可以试试多任务学习。思路是让 LSTM 同时预测下一期号码和下一期的红球和值、奇偶比、区间分布这几个统计量。这样模型不仅要拟合具体号码还要拟合号码的宏观特征相当于加了正则化验证损失通常会更平滑。具体做法是在SSQLSTM里加一个辅助输出头比如self.aux nn.Linear(hidden_dim, 3)预测和值、奇数个数、大号个数18-33 算大号。训练时总损失是MSE(pred, y) 0.3 * MSE(aux, y_aux)0.3 是辅助任务权重我一般从 0.1 到 0.5 之间试。另一个技巧是号码嵌入。把每个红球从 1-33 映射到一个 8 维可学习向量蓝球从 1-16 映射到 4 维这样输入特征从 7 维变成 6×8452 维LSTM 能学到号码之间的“距离”关系比如 1 和 2 比 1 和 33 更接近。实现上用nn.Embedding(33, 8)输入是号码索引而不是归一化值。这个改动会让模型参数量增加但小数据集上反而可能更稳因为嵌入层本身有正则效果。验证方法上不要只看单期命中率那个噪声太大。我习惯统计验证集上前 100 期的预测号码分布和真实号码分布做 KL 散度或卡方检验如果两者接近说明模型至少学到了历史分布如果差很远说明模型欠拟合或数据有问题。最后说个血泪经验这个项目我前后改过七八版最大的坑不是模型结构而是数据泄漏——有一次我不小心把验证集的数据混进了训练集验证损失低得离谱还以为自己调出了神模型结果一测最新数据就翻车。所以每次改完数据管道我都会先打印训练集和验证集的日期范围确认没有重叠。希望帮到你。本文还有配套的精品资源点击获取