Ce projet vise à développer un modèle d'apprentissage profond capable de prédire les numéros du loto à partir d'un historique de tirages. Nous utilisons une architecture LSTM (Long Short-Term Memory) pour traiter la séquence des tirages passés et prédire le tirage suivant.
- Python 3.11
- Pandas
- NumPy
- TensorFlow
Assurez-vous d'avoir Python installé sur votre machine. Installez ensuite les dépendances requises en exécutant la commande suivante dans votre terminal :
pip install pandas numpy tensorflow
Le jeu de données doit être un fichier CSV nommé loto.csv
avec les colonnes suivantes : date_de_tirage
, boule_1
, boule_2
, boule_3
, boule_4
, boule_5
, numero_chance
. Chaque ligne représente un tirage avec la date et les numéros tirés.
Après avoir installé les dépendances et préparé le jeu de données, vous pouvez exécuter le script principal. Le script effectuera les étapes suivantes :
- Chargement et préparation des données.
- Transformation des données en séquences pour l'entraînement du modèle LSTM.
- Construction et entraînement du modèle LSTM.
- Prédiction des numéros du prochain tirage.
- Le script commence par charger le jeu de données à partir du fichier CSV.
- Les données sont nettoyées et préparées pour l'entraînement. Cela inclut la conversion des types de données et la gestion des valeurs manquantes.
- Nous construisons ensuite les séquences à partir des tirages précédents. Chaque séquence consiste en un ensemble de tirages consécutifs utilisés pour prédire le tirage suivant.
- Le modèle LSTM est défini avec une couche d'entrée correspondant au nombre de caractéristiques (nombres tirés) et une couche de sortie prédit les numéros du tirage suivant.
- Le modèle est entraîné sur les données préparées.
- Enfin, le script prédit les numéros du prochain tirage en utilisant le dernier tirage disponible.