gahusb
732d78becc
- purchase_history 테이블 추가 (draw_no, amount, sets, prize, note) - weekly_reports 캐시 테이블 추가 (drw_no UNIQUE, report JSON) - GET /api/lotto/purchase 구매 이력 조회 (draw_no, days 필터) - POST /api/lotto/purchase 구매 이력 추가 - PUT /api/lotto/purchase/:id 구매 이력 수정 (당첨금 업데이트) - DELETE /api/lotto/purchase/:id 구매 이력 삭제 - GET /api/lotto/purchase/stats 투자 수익률 통계 - GET /api/lotto/analysis/personal 개인 패턴 분석 (top/least picks, 홀짝/구간/연속번호) - GET /api/lotto/report/history 저장된 주간 리포트 목록 - GET /api/lotto/report/:drw_no 캐시 우선 조회 + cached 플래그 - 스케줄러: 토요일 09:00 주간 리포트 자동 생성 및 DB 캐싱 Co-Authored-By: Claude Sonnet 4.6 <noreply@anthropic.com>
530 lines
21 KiB
Python
530 lines
21 KiB
Python
"""
|
||
통계 분석 엔진 - lotto-lab 고도화
|
||
|
||
[팀 회의 합의 기반 5가지 통계 기법]
|
||
1. 빈도 Z-score 분석: 각 번호의 출현 빈도가 기댓값에서 얼마나 벗어났는지
|
||
2. 조합 지문(Fingerprint): 조합의 합계, 홀짝 비율, 구간 분포가 역대 당첨번호와 유사한지
|
||
3. 갭 분석(Gap): 각 번호의 마지막 출현으로부터 경과 회차 수 기반 점수
|
||
4. 공동 출현 행렬(Co-occurrence): 번호 쌍이 역대에 함께 나온 빈도 기반 점수
|
||
5. 다양성(Diversity): 연속 번호, 범위, 구간 분포 다양성
|
||
|
||
[통계 근거]
|
||
- 1~45번 각각의 이론적 출현 확률: 6/45 ≈ 13.33% per draw
|
||
- 기댓값 합계: E[sum] = 6 × E[1..45] = 6 × 23 = 138
|
||
- 표준편차 합계: std ≈ sqrt(6 × Var[uniform 1..45]) ≈ 31
|
||
- 홀수 23개 (1,3,...,45), 짝수 22개 (2,4,...,44)
|
||
- 번호 쌍 공동 출현 확률: C(43,4)/C(45,6) ≈ 1.516% per draw
|
||
"""
|
||
|
||
import math
|
||
from collections import Counter, defaultdict
|
||
from datetime import datetime, timezone
|
||
from typing import List, Tuple, Dict, Any, Optional
|
||
|
||
# 구간 정의: (시작, 끝) 포함
|
||
ZONE_RANGES: List[Tuple[int, int]] = [
|
||
(1, 9),
|
||
(10, 19),
|
||
(20, 29),
|
||
(30, 39),
|
||
(40, 45),
|
||
]
|
||
|
||
|
||
def _get_zone(n: int) -> int:
|
||
"""번호가 속하는 구간 인덱스 (0-4)"""
|
||
for z, (lo, hi) in enumerate(ZONE_RANGES):
|
||
if lo <= n <= hi:
|
||
return z
|
||
return 4
|
||
|
||
|
||
def build_analysis_cache(draws: List[Tuple[int, List[int]]]) -> Dict[str, Any]:
|
||
"""
|
||
역대 당첨번호 데이터 기반 통계 분석 캐시 구성.
|
||
시뮬레이션 실행 시 한 번만 호출하여 재사용 (성능 최적화).
|
||
|
||
Args:
|
||
draws: [(drw_no, [n1,n2,n3,n4,n5,n6]), ...] 오름차순
|
||
|
||
Returns:
|
||
통계 캐시 딕셔너리
|
||
"""
|
||
if not draws:
|
||
return {}
|
||
|
||
total_draws = len(draws)
|
||
all_nums_list = [n for _, nums in draws for n in nums]
|
||
freq_all = Counter(all_nums_list)
|
||
|
||
# ── 1. 빈도 Z-score ──────────────────────────────────────────────────────
|
||
freq_values = [freq_all.get(n, 0) for n in range(1, 46)]
|
||
mean_freq = sum(freq_values) / 45.0
|
||
variance_freq = sum((f - mean_freq) ** 2 for f in freq_values) / 45.0
|
||
std_freq = math.sqrt(variance_freq)
|
||
|
||
z_scores: Dict[int, float] = {}
|
||
for n in range(1, 46):
|
||
z_scores[n] = (freq_all.get(n, 0) - mean_freq) / max(std_freq, 0.001)
|
||
|
||
# ── 2. 갭 분석: 마지막 출현 이후 경과 회차 ──────────────────────────────
|
||
# gap = 0: 가장 최근 회차에 출현, gap = k: k회 전에 마지막 출현
|
||
last_seen_gap: Dict[int, int] = {}
|
||
for gap_idx, (_, nums) in enumerate(reversed(draws)):
|
||
for n in nums:
|
||
if n not in last_seen_gap:
|
||
last_seen_gap[n] = gap_idx
|
||
for n in range(1, 46):
|
||
if n not in last_seen_gap:
|
||
last_seen_gap[n] = total_draws # 한 번도 안 나옴 (이론상 거의 불가)
|
||
|
||
# ── 3. 공동 출현 행렬 ────────────────────────────────────────────────────
|
||
# cooccur[(i,j)] = 번호 i와 j가 같은 회차에 함께 출현한 횟수 (i < j)
|
||
cooccur: Dict[Tuple[int, int], int] = defaultdict(int)
|
||
for _, nums in draws:
|
||
s = sorted(nums)
|
||
for i in range(len(s)):
|
||
for j in range(i + 1, len(s)):
|
||
cooccur[(s[i], s[j])] += 1
|
||
|
||
# 번호 쌍 공동 출현 기댓값: C(43,4)/C(45,6) × total_draws
|
||
# C(43,4) = 123,410 / C(45,6) = 8,145,060
|
||
expected_cooccur = total_draws * 123410.0 / 8145060.0
|
||
|
||
# ── 4. 역대 조합 통계 (합계, 홀수 개수) ──────────────────────────────────
|
||
historical_sums = [sum(nums) for _, nums in draws]
|
||
mean_sum = sum(historical_sums) / total_draws
|
||
std_sum = math.sqrt(
|
||
sum((s - mean_sum) ** 2 for s in historical_sums) / total_draws
|
||
)
|
||
std_sum = max(std_sum, 1.0) # 0 나누기 방지
|
||
|
||
historical_odds = [sum(1 for n in nums if n % 2 == 1) for _, nums in draws]
|
||
odd_dist = Counter(historical_odds)
|
||
odd_prob: Dict[int, float] = {k: v / total_draws for k, v in odd_dist.items()}
|
||
max_odd_prob = max(odd_prob.values()) if odd_prob else 1.0
|
||
|
||
# ── 5. 구간별 분포 통계 ───────────────────────────────────────────────────
|
||
# 각 구간에 몇 개 포함되는지의 역대 분포
|
||
zone_counts = [Counter() for _ in ZONE_RANGES]
|
||
for _, nums in draws:
|
||
for z_idx, (lo, hi) in enumerate(ZONE_RANGES):
|
||
cnt = sum(1 for n in nums if lo <= n <= hi)
|
||
zone_counts[z_idx][cnt] += 1
|
||
|
||
zone_probs: List[Dict[int, float]] = []
|
||
for zc in zone_counts:
|
||
total_z = sum(zc.values())
|
||
zone_probs.append({k: v / total_z for k, v in zc.items()})
|
||
|
||
max_zone_probs = [max(zp.values()) if zp else 1.0 for zp in zone_probs]
|
||
|
||
# ── 6. 최근 빈도 (후보 생성 가중치용) ────────────────────────────────────
|
||
recent_100 = draws[-100:] if len(draws) >= 100 else draws
|
||
freq_recent = Counter(n for _, nums in recent_100 for n in nums)
|
||
|
||
return {
|
||
"total_draws": total_draws,
|
||
"freq_all": freq_all,
|
||
"z_scores": z_scores,
|
||
"last_seen_gap": last_seen_gap,
|
||
"cooccur": dict(cooccur),
|
||
"expected_cooccur": expected_cooccur,
|
||
"mean_sum": mean_sum,
|
||
"std_sum": std_sum,
|
||
"odd_prob": odd_prob,
|
||
"max_odd_prob": max_odd_prob,
|
||
"zone_probs": zone_probs,
|
||
"max_zone_probs": max_zone_probs,
|
||
"freq_recent": freq_recent,
|
||
}
|
||
|
||
|
||
def build_number_weights(cache: Dict[str, Any]) -> Dict[int, float]:
|
||
"""
|
||
몬테카를로 시뮬레이션의 후보 생성에 사용할 번호별 샘플링 가중치.
|
||
빈도 + 최근 빈도 + 갭 분석을 반영하여 '좋은' 번호가 더 자주 선택되도록 유도.
|
||
"""
|
||
freq_all = cache["freq_all"]
|
||
last_seen_gap = cache["last_seen_gap"]
|
||
freq_recent = cache["freq_recent"]
|
||
|
||
weights: Dict[int, float] = {}
|
||
for n in range(1, 46):
|
||
w = freq_all.get(n, 0) + 1.5 * freq_recent.get(n, 0)
|
||
|
||
gap = last_seen_gap.get(n, 0)
|
||
if gap <= 1:
|
||
gap_factor = 0.50 # 바로 직전 등장 → 패널티
|
||
elif gap <= 3:
|
||
gap_factor = 0.75
|
||
elif gap <= 12:
|
||
gap_factor = 1.00 # 적정 범위
|
||
elif gap <= 25:
|
||
gap_factor = 1.10 # 약간 오래된 번호 → 소폭 보너스
|
||
else:
|
||
gap_factor = 1.20 # 오래된 번호 → 보너스
|
||
|
||
weights[n] = max(w * gap_factor, 0.5)
|
||
|
||
return weights
|
||
|
||
|
||
def score_combination(numbers: List[int], cache: Dict[str, Any]) -> Dict[str, float]:
|
||
"""
|
||
6개 번호 조합의 통계적 품질 점수 계산 (0~1 범위 정규화).
|
||
|
||
5가지 기법별 점수:
|
||
- score_frequency (25%): 빈도 Z-score
|
||
- score_fingerprint(30%): 조합의 통계적 지문 (합계, 홀짝, 구간)
|
||
- score_gap (20%): 갭 분석
|
||
- score_cooccur (15%): 공동 출현 기댓값 대비
|
||
- score_diversity (10%): 연속번호, 범위, 구간 다양성
|
||
|
||
Returns:
|
||
{"score_total": ..., "score_frequency": ..., ...}
|
||
"""
|
||
nums = sorted(numbers)
|
||
|
||
# ── 1. 빈도 점수 (Frequency Score) ────────────────────────────────────────
|
||
z_scores = cache["z_scores"]
|
||
avg_z = sum(z_scores.get(n, 0.0) for n in nums) / 6.0
|
||
# Sigmoid 정규화: avg_z > 0이면 0.5 이상
|
||
score_frequency = 1.0 / (1.0 + math.exp(-avg_z / 1.5))
|
||
|
||
# ── 2. 조합 지문 점수 (Fingerprint Score) ─────────────────────────────────
|
||
# 2a. 합계 정규분포 점수
|
||
total = sum(nums)
|
||
mean_sum = cache["mean_sum"]
|
||
std_sum = cache["std_sum"]
|
||
z_sum = (total - mean_sum) / std_sum
|
||
sum_score = math.exp(-0.5 * z_sum ** 2) # 정규분포 밀도 (peak=1 at mean)
|
||
|
||
# 2b. 홀짝 비율 점수
|
||
odd_count = sum(1 for n in nums if n % 2 == 1)
|
||
odd_prob = cache["odd_prob"]
|
||
max_odd_prob = cache["max_odd_prob"]
|
||
odd_score = odd_prob.get(odd_count, 0.01) / max_odd_prob
|
||
|
||
# 2c. 구간 분포 점수
|
||
zone_probs = cache["zone_probs"]
|
||
max_zone_probs = cache["max_zone_probs"]
|
||
zone_score = 0.0
|
||
for z_idx, (lo, hi) in enumerate(ZONE_RANGES):
|
||
cnt = sum(1 for n in nums if lo <= n <= hi)
|
||
zp = zone_probs[z_idx]
|
||
mzp = max_zone_probs[z_idx]
|
||
zone_score += zp.get(cnt, 0.01) / mzp
|
||
zone_score /= len(ZONE_RANGES)
|
||
|
||
score_fingerprint = sum_score * 0.50 + odd_score * 0.30 + zone_score * 0.20
|
||
|
||
# ── 3. 갭 점수 (Gap Score) ────────────────────────────────────────────────
|
||
last_seen_gap = cache["last_seen_gap"]
|
||
gap_scores: List[float] = []
|
||
for n in nums:
|
||
gap = last_seen_gap.get(n, 0)
|
||
if gap <= 1:
|
||
gs = 0.20 # 직전 등장 번호 - 강한 패널티
|
||
elif gap <= 3:
|
||
gs = 0.55
|
||
elif gap <= 7:
|
||
gs = 0.85
|
||
elif gap <= 15:
|
||
gs = 1.00 # 최적 범위
|
||
elif gap <= 25:
|
||
gs = 0.90
|
||
else:
|
||
gs = 0.75 # 오래된 번호 - 여전히 양호
|
||
gap_scores.append(gs)
|
||
score_gap = sum(gap_scores) / 6.0
|
||
|
||
# ── 4. 공동 출현 점수 (Co-occurrence Score) ───────────────────────────────
|
||
cooccur = cache["cooccur"]
|
||
expected_cooccur = cache["expected_cooccur"]
|
||
|
||
pair_scores: List[float] = []
|
||
for i in range(len(nums)):
|
||
for j in range(i + 1, len(nums)):
|
||
actual = cooccur.get((nums[i], nums[j]), 0)
|
||
ratio = actual / max(expected_cooccur, 0.001)
|
||
# Sigmoid: ratio = 1에서 0.5, ratio > 1이면 > 0.5
|
||
ps = 1.0 / (1.0 + math.exp(-2.0 * (ratio - 1.0)))
|
||
pair_scores.append(ps)
|
||
score_cooccur = sum(pair_scores) / max(len(pair_scores), 1)
|
||
|
||
# ── 5. 다양성 점수 (Diversity Score) ─────────────────────────────────────
|
||
# 5a. 연속 번호 포함 여부 (역대 당첨번호 약 52%에 최소 1쌍 포함)
|
||
has_consecutive = any(nums[i + 1] - nums[i] == 1 for i in range(len(nums) - 1))
|
||
consecutive_score = 0.65 if has_consecutive else 0.40
|
||
|
||
# 5b. 범위 점수 (최소~최대 차이)
|
||
num_range = nums[-1] - nums[0]
|
||
if 28 <= num_range <= 43:
|
||
spread_score = 1.00
|
||
elif 20 <= num_range < 28:
|
||
spread_score = 0.85
|
||
elif 13 <= num_range < 20:
|
||
spread_score = 0.65
|
||
elif num_range < 13:
|
||
spread_score = 0.25
|
||
else: # > 43 (최대 44: 1~45)
|
||
spread_score = 0.95
|
||
|
||
# 5c. 구간 커버리지 (몇 개 구간에 걸쳐 있는가)
|
||
zones_used = set(_get_zone(n) for n in nums)
|
||
zone_coverage = (len(zones_used) - 1) / 4.0 # 0~1
|
||
|
||
score_diversity = (
|
||
consecutive_score * 0.35
|
||
+ spread_score * 0.35
|
||
+ zone_coverage * 0.30
|
||
)
|
||
|
||
# ── 최종 가중 합산 ────────────────────────────────────────────────────────
|
||
score_total = (
|
||
score_frequency * 0.25
|
||
+ score_fingerprint * 0.30
|
||
+ score_gap * 0.20
|
||
+ score_cooccur * 0.15
|
||
+ score_diversity * 0.10
|
||
)
|
||
|
||
return {
|
||
"score_total": round(score_total, 6),
|
||
"score_frequency": round(score_frequency, 6),
|
||
"score_fingerprint": round(score_fingerprint, 6),
|
||
"score_gap": round(score_gap, 6),
|
||
"score_cooccur": round(score_cooccur, 6),
|
||
"score_diversity": round(score_diversity, 6),
|
||
}
|
||
|
||
|
||
def get_statistical_report(draws: List[Tuple[int, List[int]]]) -> Dict[str, Any]:
|
||
"""
|
||
통계 분석 리포트 생성 (GET /api/lotto/analysis 응답용).
|
||
각 번호의 빈도, Z-score, 갭, 히트/콜드/오버듀 분류를 반환.
|
||
"""
|
||
if not draws:
|
||
return {"error": "데이터 없음"}
|
||
|
||
cache = build_analysis_cache(draws)
|
||
total_draws = cache["total_draws"]
|
||
freq_all = cache["freq_all"]
|
||
z_scores = cache["z_scores"]
|
||
last_seen_gap = cache["last_seen_gap"]
|
||
|
||
number_stats = []
|
||
for n in range(1, 46):
|
||
freq = freq_all.get(n, 0)
|
||
expected = total_draws * 6.0 / 45.0
|
||
number_stats.append({
|
||
"number": n,
|
||
"frequency": freq,
|
||
"expected": round(expected, 1),
|
||
"frequency_pct": round(freq / (total_draws * 6) * 100, 2),
|
||
"z_score": round(z_scores.get(n, 0.0), 3),
|
||
"gap": last_seen_gap.get(n, total_draws),
|
||
"zone": _get_zone(n),
|
||
})
|
||
|
||
sorted_by_freq = sorted(number_stats, key=lambda x: -x["frequency"])
|
||
sorted_by_gap = sorted(number_stats, key=lambda x: -x["gap"])
|
||
|
||
# 역대 합계 분포 요약
|
||
hist_sums = [sum(nums) for _, nums in draws]
|
||
sum_buckets: Dict[str, int] = {}
|
||
for lo in range(21, 256, 20):
|
||
hi = lo + 19
|
||
key = f"{lo}-{hi}"
|
||
sum_buckets[key] = sum(1 for s in hist_sums if lo <= s <= hi)
|
||
|
||
return {
|
||
"total_draws": total_draws,
|
||
"mean_sum": round(cache["mean_sum"], 2),
|
||
"std_sum": round(cache["std_sum"], 2),
|
||
"odd_distribution": {
|
||
str(k): round(v * 100, 1)
|
||
for k, v in sorted(cache["odd_prob"].items())
|
||
},
|
||
"number_stats": number_stats,
|
||
"hot_numbers": [x["number"] for x in sorted_by_freq[:10]],
|
||
"cold_numbers": [x["number"] for x in sorted_by_freq[-10:]],
|
||
"overdue_numbers": [x["number"] for x in sorted_by_gap[:10]],
|
||
"sum_distribution": sum_buckets,
|
||
}
|
||
|
||
|
||
def analyze_personal_patterns(
|
||
all_numbers: List[List[int]],
|
||
draws: List[Tuple[int, List[int]]],
|
||
) -> Dict[str, Any]:
|
||
"""
|
||
사용자 추천 이력 기반 개인 패턴 분석.
|
||
all_numbers: 저장된 모든 추천 번호 리스트 (각 원소는 6개짜리 리스트)
|
||
draws: 역대 당첨번호 (홀짝/합계 평균 비교용)
|
||
"""
|
||
if not all_numbers:
|
||
return {"total_analyzed": 0, "message": "추천 이력이 없습니다"}
|
||
|
||
total = len(all_numbers)
|
||
flat = [n for nums in all_numbers for n in nums]
|
||
freq = Counter(flat)
|
||
|
||
# 번호별 선택 빈도
|
||
number_frequency = {n: freq.get(n, 0) for n in range(1, 46)}
|
||
top_picks = sorted(range(1, 46), key=lambda n: -freq.get(n, 0))[:10]
|
||
least_picks = [n for n in sorted(range(1, 46), key=lambda n: freq.get(n, 0)) if freq.get(n, 0) == 0][:10]
|
||
|
||
# 패턴 지표
|
||
odd_counts = [sum(1 for n in nums if n % 2 == 1) for nums in all_numbers]
|
||
sums = [sum(nums) for nums in all_numbers]
|
||
ranges = [max(nums) - min(nums) for nums in all_numbers]
|
||
consecutive_count = sum(
|
||
1 for nums in all_numbers
|
||
if any(sorted(nums)[i + 1] - sorted(nums)[i] == 1 for i in range(5))
|
||
)
|
||
|
||
zone_totals = {k: 0 for k in ["1-9", "10-19", "20-29", "30-39", "40-45"]}
|
||
zone_ranges = [("1-9", 1, 9), ("10-19", 10, 19), ("20-29", 20, 29), ("30-39", 30, 39), ("40-45", 40, 45)]
|
||
for nums in all_numbers:
|
||
for label, lo, hi in zone_ranges:
|
||
zone_totals[label] += sum(1 for n in nums if lo <= n <= hi)
|
||
zone_avg = {k: round(v / total, 2) for k, v in zone_totals.items()}
|
||
|
||
avg_odd = sum(odd_counts) / total
|
||
avg_sum = sum(sums) / total
|
||
avg_range = sum(ranges) / total
|
||
|
||
# 역대 당첨번호 평균과 비교
|
||
if draws:
|
||
draw_odd_avg = sum(sum(1 for n in nums if n % 2 == 1) for _, nums in draws) / len(draws)
|
||
draw_sum_avg = sum(sum(nums) for _, nums in draws) / len(draws)
|
||
else:
|
||
draw_odd_avg = 3.0
|
||
draw_sum_avg = 138.0
|
||
|
||
return {
|
||
"total_analyzed": total,
|
||
"number_frequency": number_frequency,
|
||
"top_picks": top_picks,
|
||
"least_picks": least_picks,
|
||
"pattern": {
|
||
"avg_odd_count": round(avg_odd, 2),
|
||
"avg_sum": round(avg_sum, 1),
|
||
"avg_range": round(avg_range, 1),
|
||
"consecutive_rate": round(consecutive_count / total, 3),
|
||
"zone_avg": zone_avg,
|
||
},
|
||
"vs_draw_avg": {
|
||
"odd_diff": round(avg_odd - draw_odd_avg, 2),
|
||
"sum_diff": round(avg_sum - draw_sum_avg, 1),
|
||
"odd_tendency": "홀수 선호" if avg_odd > draw_odd_avg + 0.2 else ("짝수 선호" if avg_odd < draw_odd_avg - 0.2 else "균형"),
|
||
"sum_tendency": "고합계 선호" if avg_sum > draw_sum_avg + 5 else ("저합계 선호" if avg_sum < draw_sum_avg - 5 else "균형"),
|
||
},
|
||
}
|
||
|
||
|
||
def generate_weekly_report(draws: List[Tuple[int, List[int]]], target_drw_no: int) -> Dict[str, Any]:
|
||
"""
|
||
특정 회차 공략 리포트 생성.
|
||
target_drw_no: 공략 대상 회차 (아직 추첨 안 된 회차)
|
||
draws: target_drw_no 이전까지의 당첨번호 (오름차순)
|
||
"""
|
||
if not draws:
|
||
return {"error": "데이터 없음"}
|
||
|
||
cache = build_analysis_cache(draws)
|
||
total_draws = cache["total_draws"]
|
||
freq_all = cache["freq_all"]
|
||
last_seen_gap = cache["last_seen_gap"]
|
||
|
||
recent_10 = draws[-10:] if len(draws) >= 10 else draws
|
||
recent_3 = draws[-3:] if len(draws) >= 3 else draws
|
||
|
||
# 과출현: 최근 10회에 2회 이상 출현 번호 (출현 많은 순)
|
||
r10_nums = [n for _, nums in recent_10 for n in nums]
|
||
r10_freq = Counter(r10_nums)
|
||
hot_numbers = [n for n, _ in sorted(r10_freq.items(), key=lambda x: -x[1]) if r10_freq[n] >= 2]
|
||
|
||
# 냉각: 역대 출현 빈도 낮은 번호
|
||
cold_numbers = sorted(range(1, 46), key=lambda n: freq_all.get(n, 0))[:10]
|
||
|
||
# 오버듀: 가장 오래 미출현 번호
|
||
overdue_numbers = sorted(range(1, 46), key=lambda n: -last_seen_gap.get(n, 0))[:10]
|
||
|
||
# 최근 3회 연속 출현 (2회 이상)
|
||
r3_nums = [n for _, nums in recent_3 for n in nums]
|
||
r3_freq = Counter(r3_nums)
|
||
triple_appear = sorted(n for n, cnt in r3_freq.items() if cnt >= 2)
|
||
|
||
recent_sums = [sum(nums) for _, nums in recent_10]
|
||
recent_odd = [sum(1 for n in nums if n % 2 == 1) for _, nums in recent_10]
|
||
|
||
# 갭 기반 가중치 (오래된 번호일수록 높음)
|
||
gap_w = {n: last_seen_gap.get(n, 0) for n in range(1, 46)}
|
||
|
||
def _pick(exclude=None, prefer=None, n=6):
|
||
ex = set(exclude or [])
|
||
chosen = []
|
||
# prefer에서 최대 3개 우선 선택
|
||
for p in (prefer or []):
|
||
if p not in ex and len(chosen) < 3:
|
||
chosen.append(p)
|
||
# 구간별 1개씩 (갭 우선)
|
||
for lo, hi in [(1, 9), (10, 19), (20, 29), (30, 39), (40, 45)]:
|
||
if len(chosen) >= n:
|
||
break
|
||
cands = [x for x in range(lo, hi + 1) if x not in ex and x not in chosen]
|
||
if cands:
|
||
chosen.append(max(cands, key=lambda x: gap_w.get(x, 0)))
|
||
# 부족하면 나머지에서 갭 순
|
||
rest = sorted(
|
||
[x for x in range(1, 46) if x not in ex and x not in chosen],
|
||
key=lambda x: -gap_w.get(x, 0),
|
||
)
|
||
while len(chosen) < n and rest:
|
||
chosen.append(rest.pop(0))
|
||
return sorted(chosen[:n])
|
||
|
||
set1 = _pick(exclude=hot_numbers[:5], prefer=overdue_numbers[:5])
|
||
set2 = _pick()
|
||
set3 = _pick(exclude=hot_numbers)
|
||
|
||
# 신뢰도 점수
|
||
data_vol = min(total_draws / 500, 1.0)
|
||
if len(recent_sums) > 1:
|
||
avg_s = sum(recent_sums) / len(recent_sums)
|
||
std_s = (sum((s - avg_s) ** 2 for s in recent_sums) / len(recent_sums)) ** 0.5
|
||
pattern = max(0.0, 1.0 - std_s / 60.0)
|
||
else:
|
||
pattern = 0.5
|
||
trend = max(0.0, 1.0 - len(hot_numbers) / max(len(r10_nums), 1))
|
||
confidence = round((data_vol * 0.4 + pattern * 0.35 + trend * 0.25) * 100)
|
||
|
||
return {
|
||
"target_drw_no": target_drw_no,
|
||
"based_on_draw": draws[-1][0],
|
||
"generated_at": datetime.now(timezone.utc).strftime("%Y-%m-%dT%H:%M:%SZ"),
|
||
"hot_numbers": hot_numbers[:8],
|
||
"cold_numbers": cold_numbers,
|
||
"overdue_numbers": overdue_numbers,
|
||
"recent_pattern": {
|
||
"last3_numbers": sorted(set(r3_nums)),
|
||
"triple_appear": triple_appear,
|
||
"recent_sum_avg": round(sum(recent_sums) / len(recent_sums), 1) if recent_sums else 0,
|
||
"recent_odd_avg": round(sum(recent_odd) / len(recent_odd), 1) if recent_odd else 0,
|
||
},
|
||
"recommended_sets": [
|
||
{"strategy": "냉각번호 중심", "numbers": set1, "description": "오랫동안 미출현 번호 위주 + 과출현 제외"},
|
||
{"strategy": "균형형", "numbers": set2, "description": "구간 균형 + 갭 최적화"},
|
||
{"strategy": "과출현 피하기", "numbers": set3, "description": "최근 자주 나온 번호 완전 제외"},
|
||
],
|
||
"confidence_score": confidence,
|
||
"confidence_factors": {
|
||
"data_volume": round(data_vol * 100),
|
||
"pattern_consistency": round(pattern * 100),
|
||
"recent_trend": round(trend * 100),
|
||
},
|
||
}
|