[Python][AI] 한국 로또 분석 : 추가 EDA 및 ML 번호 예측

출처 : https://dhlottery.co.kr/gameInfo.do?method=buyLotto

 

2025.02.18 - [개발 Code/인공지능 A.I.] - [Python][AI] 한국 로또 분석: 당첨 확률과 예측의 불가능성

2025.02.19 - [개발 Code/인공지능 A.I.] - [Python][AI] 한국 로또 분석: 당첨 번호 분석과 패턴 찾기(EDA)

 

로또 데이터 분석을 통해 당첨 번호의 패턴을 찾아보고, XGBoost를 활용하여 다음 당첨 번호를 예측하는 방법을 소개한다. 이번 분석에서는 홀수/짝수 비율, 낮은 숫자 vs 높은 숫자 비율, 월별 당첨 번호 분석 등을 진행하고, 머신러닝 모델을 활용해 번호를 예측해볼 것이다.

---

1. 홀수 vs 짝수 and 낮은 숫자(1~22) vs 높은 숫자(23~45) 비율 분석

---

로또 당첨 번호에서 홀수와 짝수의 출현 비율을 분석한다.

def odd_even_ratio(df):
    odd_even_counts = {"홀수": 0, "짝수": 0}
    for i in range(1, 7):
        odd_even_counts["홀수"] += (df[f"번호{i}"] % 2 == 1).sum()
        odd_even_counts["짝수"] += (df[f"번호{i}"] % 2 == 0).sum()
    return odd_even_counts

def low_high_ratio(df):
    low_high_counts = {"낮은 숫자 (1-22)": 0, "높은 숫자 (23-45)": 0}
    for i in range(1, 7):
        low_high_counts["낮은 숫자 (1-22)"] += (df[f"번호{i}"] <= 22).sum()
        low_high_counts["높은 숫자 (23-45)"] += (df[f"번호{i}"] > 22).sum()
    return low_high_counts

 

이 데이터를 활용하여 그래프를 시각화한다.

# 분석 실행
odd_even_counts = odd_even_ratio(lotto_dataset)
low_high_counts = low_high_ratio(lotto_dataset)

# 시각화
fig, axes = plt.subplots(1, 2, figsize=(14, 6))

# 홀수 vs 짝수 비율
sns.barplot(x=list(odd_even_counts.keys()), y=list(odd_even_counts.values()), palette="coolwarm", ax=axes[0])
axes[0].set_title("홀수 vs 짝수 비율", fontsize=14)
axes[0].set_ylabel("출현 횟수")
axes[0].set_ylim(3200, 3600)
axes[0].grid(axis="y", linestyle="--", alpha=0.8)

# 낮은 숫자 vs 높은 숫자 비율
sns.barplot(x=list(low_high_counts.keys()), y=list(low_high_counts.values()), palette="viridis", ax=axes[1])
axes[1].set_title("낮은 숫자 (1-22) vs 높은 숫자 (23-45) 비율", fontsize=14)
axes[1].set_ylabel("출현 횟수")
axes[1].set_ylim(3200, 3600)
axes[1].grid(axis="y", linestyle="--", alpha=0.8)

plt.tight_layout()
plt.show()

 

 

홀수,짝수,낮은숫자,높은숫자 비율

 

홀수가 짝수보다 비교적 당춤 횟수가 더 많았으며, 낮은 숫자보다 높은 숫자가 더 많이 당첨됐다.

---

728x90

반응형

2. 월별 가장 많이 나온 번호 분석

---

palette = sns.color_palette("rocket", 12)

# 월 정보 추가
lotto_dataset["월"] = lotto_dataset["추첨일"].dt.month

# 번호 컬럼 리스트
number_columns = ["번호1", "번호2", "번호3", "번호4", "번호5", "번호6"]

# 월별 번호 출현 횟수 계산
monthly_number_counts = {month: {} for month in range(1, 13)}

for month in range(1, 13):
    monthly_data = lotto_dataset[lotto_dataset["월"] == month]
    number_counts = monthly_data[number_columns].values.flatten()
    unique, counts = np.unique(number_counts, return_counts=True)
    monthly_number_counts[month] = dict(zip(unique, counts))

# 월별 가장 많이 나온 번호 찾기
most_frequent_numbers = {
    month: max(monthly_number_counts[month], key=monthly_number_counts[month].get)
    for month in range(1, 13)
}

# 월별 가장 많이 나온 번호의 출현 횟수
most_frequent_counts = {
    month: monthly_number_counts[month][most_frequent_numbers[month]]
    for month in range(1, 13)
}

# 시각화
plt.figure(figsize=(12, 6))
plt.bar(most_frequent_numbers.keys(), most_frequent_counts.values(), tick_label=list(most_frequent_numbers.keys()), color=palette)
plt.xlabel("월")
plt.ylabel("당첨 횟수")
plt.title("월별 가장 많이 당첨된 로또 번호와 당첨 횟수")
plt.xticks(range(1, 13))
plt.ylim(10,30)
plt.grid(axis='y', linestyle='--', alpha=0.7)

# 막대 위에 번호 표시
for month, num in most_frequent_numbers.items():
    plt.text(month, most_frequent_counts[month], str(num), ha='center', va='bottom', fontsize=12, fontweight='bold')

plt.show()

월별 가장 많이 당첨단 번호 및 횟수

 

월별로 많이 당첨된 번호 한 개만 확인해 보았을때 위의 표와 같이 나왔다. 제일 안 나올것 같았던 1이 6월과 10월 두 개의 달에 나온게 좀 신기했다.

---

4. XGBoost를 활용한 로또 번호 예측

---

로또 번호 예측을 위해 XGBoost를 활용한다. 각 번호(1~45)의 출현 여부를 학습하는 방식으로 진행한다.

import xgboost as xgb
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler

# 데이터 준비
lotto_dataset["월"] = lotto_dataset["추첨일"].dt.month
lotto_dataset["년도"] = lotto_dataset["추첨일"].dt.year

# 출현 여부 데이터 생성
for i in range(1, 46):
    lotto_dataset[f"번호_{i}"] = lotto_dataset[["번호1", "번호2", "번호3", "번호4", "번호5", "번호6"]].apply(lambda row: int(i in row.values), axis=1)

features = ["년도", "월", "회차"]
X = lotto_dataset[features]
y = lotto_dataset[[f"번호_{i}" for i in range(1, 46)]]

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

scaler = StandardScaler()
X_train_scaled = scaler.fit_transform(X_train)
X_test_scaled = scaler.transform(X_test)

# 모델 학습
model = xgb.XGBClassifier(objective="binary:logistic", eval_metric="logloss", use_label_encoder=False)
model.fit(X_train_scaled, y_train)

# 예측 수행
y_pred = model.predict(X_test_scaled)

# 다음 회차 예측
def predict_next_draw(model, last_draw):
    last_draw_scaled = scaler.transform([last_draw])
    probabilities = model.predict_proba(last_draw_scaled)
    predicted_numbers = np.argsort(probabilities[0])[-6:] + 1  # 확률이 높은 6개 번호 선택
    return sorted(predicted_numbers)

latest_data = lotto_dataset[features].iloc[-1].values
predicted_numbers = predict_next_draw(model, latest_data)
print(f"예측된 로또 번호: {predicted_numbers}")

# 모델 정확도: 0.0560
# 예측된 로또 번호: [25, 26, 27, 32, 38, 39]

---

결론

---

이번 분석에서는 로또 번호의 패턴을 분석하고, XGBoost를 활용하여 번호를 예측하는 모델을 구현해보았다. 정확도(Accuracy)가 겨우 5.6%(0.056)이므로 현저히 낮은 정확도를 보이지만, 여러가지 기법을 사용해 몇%까지 올릴 수 있는지 테스트한 후 다음 글에서 작성해보도록 하겠다.