Model Optimization Guide

模型调优与优化规则 (Model Optimization Guide)

本指南记录了针对不同彩种（尤其是双色球 SSQ）进行的机器学习与统计模型参数优化成果及通用调优方法论。

1. 机器学习集成模型 (B, C, E, F)

针对双色球（SSQ）红蓝球分别进行了基于随机搜索 (Random Search) 的超参数调优。

1.1 模型 B (随机森林 RF)

• 红球 (Red): n_estimators=800, max_depth=20, min_samples_split=5, min_samples_leaf=2, max_features='sqrt'。
• 蓝球 (Blue): n_estimators=300, max_depth=10, min_samples_split=10, min_samples_leaf=4, max_features='log2'。
• 调优得分: 红球 11.67%, 蓝球 15.00%。

1.2 模型 C (XGBoost)

• 红球 (Red): n_estimators=800, max_depth=5, learning_rate=0.05, subsample=0.8, colsample_bytree=0.8, scale_pos_weight=5。
• 蓝球 (Blue): n_estimators=500, max_depth=3, learning_rate=0.1, subsample=1.0, scale_pos_weight=1。
• 调优得分: 红球 13.33%, 蓝球 20.00%。

1.3 模型 E (LightGBM)

• 红球 (Red): n_estimators=1000, num_leaves=63, learning_rate=0.03, feature_fraction=0.8, bagging_fraction=0.8, is_unbalance=True。
• 蓝球 (Blue): n_estimators=500, num_leaves=15, learning_rate=0.05, is_unbalance=False。
• 调优得分: 红球 14.17%, 蓝球 15.00%。

1.4 模型 F (CatBoost)

• 红球 (Red): iterations=800, depth=6, learning_rate=0.03, l2_leaf_reg=3。
• 蓝球 (Blue): iterations=300, depth=4, learning_rate=0.05, l2_leaf_reg=5。
• 调优得分: 红球 12.50%, 蓝球 10.00%。

2. 深度学习模型 (D)

2.1 模型 D (LSTM)

通过贝叶斯优化/稳健性经验优化了 LSTM 走势捕捉模型。

• 红球 (Red):
  • 设置: embedding_dim=32, hidden_dim=64, num_layers=2, dropout=0.2, lr=0.001, epochs=80。
  • 原理: 红球号码关联性复杂，增加隐藏层深度和嵌入维度能更好地捕捉序列依赖。
• 蓝球 (Blue):
  • 设置: embedding_dim=16, hidden_dim=32, num_layers=1, dropout=0.1, lr=0.002, epochs=50。
  • 原理: 蓝球样本较小，轻量化结构能防止模型在过少的样本上产生过拟合。

3. 模型 A (统计相似度 SM)

核心逻辑

基于启发式规则，通过在大规模历史数据中搜索与当前遗漏/统计特征相似的期数，并对后续号码进行加权统计来预测。

优化参数 (针对双色球 SSQ)

• 调优方法: 结合网格搜索 (Grid Search) 寻找 search_limit 和 top_matches 的最佳范围，并使用 Optuna (贝叶斯优化) 迭代优化 weights 字典。
• 红球 (Red Balls):
  • 设置: search_limit=3000, top_matches=20。
  • 权重: overlap: 13.58, consecutive: 2.10, omission: 3.20。
  • 得分: 14.33%。
• 蓝球 (Blue Balls):
  • 设置: search_limit=2000, top_matches=15。
  • 权重: overlap: 8.50, neighbor: 2.00, omission: 4.00。
  • 得分: 8.00%。

4. 模型 G (隐马尔可夫模型 HMM)

核心逻辑

通过 GaussianHMM 捕捉开奖号码序列中的隐藏状态转换，识别号码分布的潜在模式。

优化参数 (针对双色球 SSQ)

• 调优方法: 使用网格搜索配合贝叶斯信息准则 (BIC)。
• 红球 (Red Balls): n_components=5, covariance_type='diag'。
• 蓝球 (Blue Balls): n_components=3, covariance_type='full'。

5. 模型 H (极值理论 EVT)

核心逻辑

监控近期“和值”合“跨度”的偏差，触发均值回归信号。 近期优化：单纯的 EVT 回撤会导致模型严格输出平坦的线性序列（如连号 1, 2, 3 或 33, 32, 31）。为了解决此问题，模型现在会：

1. 构建频率基线 (Frequency Baseline)：先统计近期窗口内的热号频率作为全部号码的初始基础概率。
2. 应用 EVT 乘数 (Multiplier Effect)：将 EVT 的回撤力量 (Reversion Force) 和跨度力量 (Span Force) 作为乘数应用在频率基线上。这样可以在追求均值回归的同时，仍然优先选择符合近期出号趋势的活跃号码。
3. 蓝球独立处理：对于红蓝分离池（separate_pool=True），蓝球现在拥有独立的 EVT 均值回归检测回环。

优化参数 (针对双色球 SSQ)

• recent_periods: 回调至 50 (根据优化脚本，50期能在不过度平滑的情况下捕捉极值反转，平均排名从 16.67 升至 16.48)。
• sum_min / sum_max (动态极值阈值): 采用 Mean ± 3σ。SSQ 实例: [37, 164]。

6. 模型 I (遗传算法 GA)

核心逻辑

通过遗传算法进化出与近期形态匹配得分最高的号码组合。针对蓝球（独立池），则构建基于相同历史区间的真实频次概率分布基线，解决预测输出呆板连号（1,2,3...）的问题。

优化参数 (针对双色球 SSQ)

• 红球 (Red Balls): mutation_rate=0.1, fitness_periods=10。
• 蓝球 (Blue Balls): mutation_rate=0.15, fitness_periods=50 (根据优化脚本最新结论，蓝球在 50 期频次基线上施加 0.15 突变率，可将排位命中提升至平均 7.33，大幅优于旧参数的 9.60)。

7. 重要系统级修复与增强 (System Debugging & Enhancements)

在多模型系统演进过程中，特别针对以下底层逻辑进行了增强修复：

7.1 独立池参数透传修复 (blue_config Injection)

问题: 针对红蓝独立池（如双色球），multi_model.py 的集成预测循环曾未将蓝球专用超参数包 (blue_config) 独立透传给 H、I、J 等模型。导致蓝球运算时被强制降级使用了红球的短周期参数（例如红球 fitness_periods: 10 覆盖了原本应给蓝球计算的 fitness_periods: 50）。 修复: 增强了参数抽取管道 get_specific_config，在发现 separate_pool=True 时，显式打包 params['blue_config']，使得模型在处理蓝球时得以解包并正确使用超长参考周期。

7.2 频率概率平局微扰 (Tie-Breaker Noise)

问题: 严重影响基于频率进行预测的模块（如旧版模型 I 蓝球预测），当遇到多个历史频次相同的（甚至出现次数均为0的）备选球时，NumPy 的 argsort 会默认按号码本身的数字大小原序排列，引发极其死板的极低序号死循环输出：如 [1, 2, 3, 4, 5, ...]。 修复: 为每个球的基础概率/频次施加微小的随机扰动值 (np.random.random() * 0.0001)。此举在不破坏原有分布阶层的前提下，彻底打破了频率相同时带来的硬性排序死板现象。

7.3 多模型指令并行回测

增强: 重构了命令行 argparse 处理机制，如今支持输入如 --method H,I,J (逗号隔开的一体化字符串) 以同时运行多个指定模型，配合自动化生成的多模型聚合 Ensemble 打分输出，更方便实施模型间实时竞赛。

8. 通用调优方法论 (Methodology)

评估指标

• 命中率 (Hit Rate): 红球关注 Top 6/10，蓝球关注 Top 1。
• 平均排名 (Average Rank): 越小代表模型对真实开奖号码的预判越精准。

调优工具建议

• Optuna: 适用于复杂权重优化。
• ParameterSampler (Scikit-learn): 适用于机器学习模型的多超参数随机搜索。
• 网格搜索: 适用于低维度的结构参数。