利用TPOT(管道优化工具)预测下期双色球蓝球的探索

TPOT简介：

1 TPOT简介

Tree-based Pipeline Optimization Tool（TPOT，基于树的管道优化工具）是一个用于在 Python 中执行 AutoML 的开源库。



TPOT 使用基于树的结构来表示预测建模问题的模型管道，包括数据准备和建模算法以及模型超参数。它利用流行的 Scikit-Learn 机器学习库进行数据转换和机器学习算法，并使用遗传编程随机全局搜索过程来有效地发现给定数据集的性能最佳的模型管道。



然后执行优化过程以找到对给定数据集执行最佳的树结构。具体来说，一种遗传编程算法，旨在对表示为树的程序执行随机全局优化。



下图取自 TPOT 论文，展示了管道搜索所涉及的元素，包括数据清洗、特征选择、特征处理、特征构建、模型选择和超参数优化。



在Chat-GPT的指导下，对双色球蓝球下一期（2023078期）的遗漏值进行了预测运算，以下是运算结果，以及与Chat-GPT的问答：





Best pipeline: GradientBoostingRegressor(input_matrix, alpha=0.9, learning_rate=1.0, loss=ls, max_depth=7, max_features=0.8500000000000001, min_samples_leaf=17, min_samples_split=16, n_estimators=100, subsample=0.45)

均方误差（MSE）: 116.22666666666667

蓝球01 :第208次遗漏值的预测结果: [9.4] ，当前实际遗漏：0



Best pipeline: DecisionTreeRegressor(RBFSampler(input_matrix, gamma=0.30000000000000004), max_depth=1, min_samples_leaf=4, min_samples_split=8)

均方误差（MSE）: 292.59670781893004

蓝球02 :第180次遗漏值的预测结果: [10.22222222] ，当前实际遗漏：8



Best pipeline: DecisionTreeRegressor(LassoLarsCV(input_matrix, normalize=True), max_depth=6, min_samples_leaf=4, min_samples_split=20)

均方误差（MSE）: 914.6692708333334

蓝球03 :第183次遗漏值的预测结果: [9.125] ，当前实际遗漏：3



Best pipeline: GradientBoostingRegressor(input_matrix, alpha=0.8, learning_rate=1.0, loss=huber, max_depth=4, max_features=0.4, min_samples_leaf=13, min_samples_split=14, n_estimators=100, subsample=0.35000000000000003)

均方误差（MSE）: 168.80252148558307

蓝球04 :第175次遗漏值的预测结果: [18.62468719] ，当前实际遗漏：7



Best pipeline: LassoLarsCV(input_matrix, normalize=True)

均方误差（MSE）: 204.79866063947145

蓝球05 :第182次遗漏值的预测结果: [6.84849906] ，当前实际遗漏：27



Best pipeline: RidgeCV(ExtraTreesRegressor(input_matrix, bootstrap=True, max_features=0.6500000000000001, min_samples_leaf=1, min_samples_split=15, n_estimators=100))

均方误差（MSE）: 111.58079756514326

蓝球06 :第192次遗漏值的预测结果: [11.3404864] ，当前实际遗漏：6



Best pipeline: DecisionTreeRegressor(input_matrix, max_depth=1, min_samples_leaf=2, min_samples_split=3)

均方误差（MSE）: 61.50583333333335

蓝球07 :第190次遗漏值的预测结果: [40.25] ，当前实际遗漏：30



Best pipeline: SGDRegressor(RBFSampler(input_matrix, gamma=0.5), alpha=0.0, eta0=0.01, fit_intercept=False, l1_ratio=0.5, learning_rate=constant, loss=squared_loss, penalty=elasticnet, power_t=0.1)

均方误差（MSE）: 526.062263149092

蓝球08 :第174次遗漏值的预测结果: [6.55513554]  ，当前实际遗漏：21



Best pipeline: GradientBoostingRegressor(input_matrix, alpha=0.9, learning_rate=1.0, loss=huber, max_depth=9, max_features=0.8, min_samples_leaf=13, min_samples_split=14, n_estimators=100, subsample=0.8500000000000001)

均方误差（MSE）: 59.39688465375907

蓝球09 :第197次遗漏值的预测结果: [14.29326422] ，当前实际遗漏：1



Best pipeline: RidgeCV(input_matrix)

均方误差（MSE）: 154.2547570397044

蓝球10 :第174次遗漏值的预测结果: [24.64506173]  ，当前实际遗漏：4



Best pipeline: GradientBoostingRegressor(SelectFromModel(input_matrix, max_features=0.25, n_estimators=100, threshold=0.30000000000000004), alpha=0.9, learning_rate=0.5, loss=ls, max_depth=7, max_features=0.8, min_samples_leaf=17, min_samples_split=16, n_estimators=100, subsample=0.3)

均方误差（MSE）: 1490.8049948292664

蓝球11 :第188次遗漏值的预测结果: [30.52811558]，当前实际遗漏：17



Best pipeline: LassoLarsCV(input_matrix, normalize=True)

均方误差（MSE）: 996.515625

蓝球12 :第197次遗漏值的预测结果: [16.875] ，当前实际遗漏：23



Best pipeline: DecisionTreeRegressor(RBFSampler(input_matrix, gamma=0.30000000000000004), max_depth=1, min_samples_leaf=4, min_samples_split=8)

均方误差（MSE）: 737.5210156971375

蓝球13 :第175次遗漏值的预测结果: [14.63157895] ，当前实际遗漏：14



Best pipeline: RidgeCV(input_matrix)

均方误差（MSE）: 219.34917968022447

蓝球14 :第193次遗漏值的预测结果: [4.71502058] ，当前实际遗漏：10



Best pipeline: DecisionTreeRegressor(RBFSampler(input_matrix, gamma=0.30000000000000004), max_depth=1, min_samples_leaf=4, min_samples_split=8)

均方误差（MSE）: 229.98697916666666

蓝球15 :第197次遗漏值的预测结果: [5.] ，当前实际遗漏：15



Best pipeline: GradientBoostingRegressor(input_matrix, alpha=0.9, learning_rate=0.5, loss=ls, max_depth=7, max_features=0.8, min_samples_leaf=17, min_samples_split=16, n_estimators=100, subsample=0.25)

均方误差（MSE）: 154.57019892874516

蓝球16 :第200次遗漏值的预测结果: [12.05908529]  ，当前实际遗漏：33



提问：