docs(predictV3): 添加predictV3算法优化研究文档和前端功能实现
- 完成Phase 11: predictV3算法优化研究文档，涵盖6个优化方向的技术分析 - 实现置信度评估功能，提供历史命中率、得分分布、多维度一致性置信度指标 - 扩展回测指标体系，新增NDCG@K、MRR、命中率分布等排名质量评估指标 - 优化转移概率算法，引入二阶马尔可夫链和多属性联合转移增强预测准确性 - 设计权重训练机制，支持网格搜索和遗传算法进行数据驱动的参数优化 - 集成组合特征挖掘功能，采用关联规则和序列模式发现号码间潜在关联 - 实现完整的前端交互界面，支持预测结果显示、置信度展示和回测验证功能 - 建立性能优化策略，包括预计算缓存、批量计算和降级策略保障响应速度
This commit is contained in:
@@ -0,0 +1,325 @@
|
||||
---
|
||||
phase: 11-predictv3
|
||||
plan: 02
|
||||
type: execute
|
||||
wave: 1
|
||||
depends_on: []
|
||||
files_modified:
|
||||
- application/admin/model/History.php
|
||||
autonomous: true
|
||||
requirements:
|
||||
- PRED-01
|
||||
must_haves:
|
||||
truths:
|
||||
- "用户可以看到每个预测号码的置信度百分比"
|
||||
- "用户可以看到 Top5 预测的整体置信度"
|
||||
- "置信度基于历史命中率、得分集中度、得分分布三个维度计算"
|
||||
- "系统在数据不足时提供合理的置信度估算"
|
||||
artifacts:
|
||||
- path: "application/admin/model/History.php"
|
||||
provides: "置信度计算方法"
|
||||
contains: "_calculateConfidence|_getHistoricalHitRateByRank|_getScoreDistributionConfidence|_getScoreConcentration"
|
||||
key_links:
|
||||
- from: "getPredictionV3"
|
||||
to: "_calculateConfidence"
|
||||
via: "method call before return"
|
||||
---
|
||||
|
||||
# Phase 11 - Plan 02: 置信度评估实现
|
||||
|
||||
## Objective
|
||||
|
||||
为预测结果添加置信度评估，帮助用户判断预测可靠性。置信度基于历史排名命中率、得分分布、得分集中度三个维度计算。
|
||||
|
||||
**Purpose:** 当前预测结果只有排名和得分，缺少置信度指标。用户无法判断预测结果的可信程度，置信度评估能有效辅助用户决策。
|
||||
|
||||
**Output:** `History.php` 中新增置信度计算方法，`getPredictionV3` 返回结果扩展 confidence 字段。
|
||||
|
||||
## Tasks
|
||||
|
||||
### Task 1: 实现置信度核心计算方法（含明确维度定义和数据量检查）
|
||||
|
||||
<read_first>
|
||||
- D:\code\php\amlhc\application\admin\model\History.php (line 2436-2444, getPredictionV3 返回语句)
|
||||
- D:\code\php\amlhc\application\admin\model\History.php (line 3495-3556, _runBacktestV3 方法)
|
||||
</read_first>
|
||||
|
||||
<action>
|
||||
在 `History.php` 类末尾新增置信度计算相关方法：
|
||||
|
||||
```php
|
||||
/**
|
||||
* 计算预测置信度
|
||||
*
|
||||
* 置信度组成（三个维度加权平均）:
|
||||
* - 维度1: 历史排名命中率 (权重0.4) - 基于回测数据统计各排名位置的命中率
|
||||
* - 维度2: 得分分布置信度 (权重0.3) - 当前号码得分与Top5得分范围的比例关系
|
||||
* - 维度3: 得分集中度 (权重0.3) - Top5得分与平均得分的差距，差距越大置信度越高
|
||||
*
|
||||
* 加权公式:
|
||||
* confidence = 0.4 * historical_hit_rate + 0.3 * score_distribution + 0.3 * score_concentration
|
||||
*
|
||||
* 阈值定义:
|
||||
* - 高置信度: >= 70% (绿色展示)
|
||||
* - 中置信度: 50-70% (橙色展示)
|
||||
* - 低置信度: < 50% (红色展示)
|
||||
*
|
||||
* @param array $predictions 预测结果数组（Top5）
|
||||
* @param array $backtest 回测结果
|
||||
* @param array $scoresAll 所有号码得分详情（可选，用于集中度计算）
|
||||
* @param int $minDataThreshold 最小数据量阈值，默认50期
|
||||
* @return array {confidence_scores: [], overall_confidence: float, data_warning: string|null}
|
||||
*/
|
||||
private function _calculateConfidence($predictions, $backtest, $scoresAll = null, $minDataThreshold = 50)
|
||||
{
|
||||
// 数据量检查
|
||||
$dataWarning = null;
|
||||
$hasBacktest = $backtest && !empty($backtest['details']) && $backtest['total_tests'] > 0;
|
||||
|
||||
if (!$hasBacktest || $backtest['total_tests'] < $minDataThreshold) {
|
||||
$dataWarning = '回测数据不足(' . ($backtest['total_tests'] ?? 0) . '期)，置信度基于估算，建议至少50期';
|
||||
}
|
||||
|
||||
$confidenceScores = [];
|
||||
|
||||
// 计算Top5平均得分（用于集中度计算）
|
||||
$avgScore = 0;
|
||||
if (!empty($predictions)) {
|
||||
$totalScore = array_sum(array_column($predictions, 'score'));
|
||||
$avgScore = $totalScore / count($predictions);
|
||||
}
|
||||
|
||||
foreach ($predictions as $idx => $pred) {
|
||||
$rank = $idx + 1;
|
||||
$num = $pred['num'];
|
||||
$score = $pred['score'];
|
||||
|
||||
// 维度1: 历史排名命中率 (权重0.4)
|
||||
$rankHitRate = $this->_getHistoricalHitRateByRank($rank, $backtest);
|
||||
|
||||
// 维度2: 得分分布置信度 (权重0.3) - 得分比例
|
||||
$scoreDistribution = $this->_getScoreDistributionConfidence($score, $predictions);
|
||||
|
||||
// 维度3: 得分集中度 (权重0.3) - Top得分与平均得分的差距比例
|
||||
$scoreConcentration = $this->_getScoreConcentration($score, $avgScore, $predictions);
|
||||
|
||||
// 综合置信度（加权平均）
|
||||
$overallConfidence = $rankHitRate * 0.4 + $scoreDistribution * 0.3 + $scoreConcentration * 0.3;
|
||||
|
||||
$confidenceScores[] = [
|
||||
'num' => $num,
|
||||
'rank' => $rank,
|
||||
'confidence' => round($overallConfidence * 100, 1),
|
||||
'rank_hit_rate' => round($rankHitRate * 100, 1),
|
||||
'score_distribution' => round($scoreDistribution * 100, 1),
|
||||
'score_concentration' => round($scoreConcentration * 100, 1)
|
||||
];
|
||||
}
|
||||
|
||||
// 整体置信度（Top5平均）
|
||||
$overallConfidence = count($confidenceScores) > 0
|
||||
? round(array_sum(array_column($confidenceScores, 'confidence')) / count($confidenceScores), 1)
|
||||
: 0;
|
||||
|
||||
return [
|
||||
'confidence_scores' => $confidenceScores,
|
||||
'overall_confidence' => $overallConfidence,
|
||||
'data_warning' => $dataWarning
|
||||
];
|
||||
}
|
||||
|
||||
/**
|
||||
* 基于历史排名获取命中率
|
||||
*
|
||||
* 计算方法:
|
||||
* - 有回测数据时: 统计各排名的历史命中次数 / 总测试次数
|
||||
* - 无回测数据时: 根据排名估算，排名越靠前置信度越高
|
||||
* 估算公式: 1 - (rank - 1) * 0.15，即第1名估算85%，第5名估算25%
|
||||
*
|
||||
* @param int $rank 排名位置 (1-5)
|
||||
* @param array $backtest 回测结果
|
||||
* @return float 该排名的历史命中率 (0-1)
|
||||
*/
|
||||
private function _getHistoricalHitRateByRank($rank, $backtest)
|
||||
{
|
||||
if (!$backtest || empty($backtest['details']) || $backtest['total_tests'] == 0) {
|
||||
// 无回测数据时，根据排名估算（排名越靠前置信度越高）
|
||||
// 估算公式: 1 - (rank - 1) * 0.15
|
||||
// 第1名: 1.0, 第2名: 0.85, 第3名: 0.70, 第4名: 0.55, 第5名: 0.40
|
||||
return max(0, 1 - ($rank - 1) * 0.15);
|
||||
}
|
||||
|
||||
// 统计各排名的历史命中次数
|
||||
$rankHits = array_fill(1, 5, 0);
|
||||
foreach ($backtest['details'] as $detail) {
|
||||
if ($detail['hit'] && $detail['rank'] >= 1 && $detail['rank'] <= 5) {
|
||||
$rankHits[$detail['rank']]++;
|
||||
}
|
||||
}
|
||||
|
||||
$totalTests = $backtest['total_tests'];
|
||||
return $totalTests > 0 ? $rankHits[$rank] / $totalTests : 0;
|
||||
}
|
||||
|
||||
/**
|
||||
* 计算得分分布置信度
|
||||
*
|
||||
* 计算方法:
|
||||
* - 得分比例 = (score - bottomScore) / (topScore - bottomScore)
|
||||
* - 得分越接近第一名，置信度越高
|
||||
* - 所有得分相同时返回1
|
||||
*
|
||||
* @param float $score 当前号码得分
|
||||
* @param array $predictions 所有预测结果
|
||||
* @return float 得分置信度 (0-1)
|
||||
*/
|
||||
private function _getScoreDistributionConfidence($score, $predictions)
|
||||
{
|
||||
if (empty($predictions)) return 0;
|
||||
|
||||
$topScore = $predictions[0]['score'];
|
||||
$bottomScore = end($predictions)['score'];
|
||||
|
||||
if ($topScore == $bottomScore) return 1; // 所有得分相同
|
||||
|
||||
// 得分比例：(score - bottom) / (top - bottom)
|
||||
$ratio = ($score - $bottomScore) / ($topScore - $bottomScore);
|
||||
return max(0, min(1, $ratio));
|
||||
}
|
||||
|
||||
/**
|
||||
* 计算得分集中度
|
||||
*
|
||||
* 计算方法:
|
||||
* - 集中度 = (score - avgScore) / (topScore - avgScore) 如果 score > avgScore
|
||||
* - 集中度 = 0 如果 score <= avgScore
|
||||
* - Top得分与平均得分差距越大，集中度越高，表示预测结果区分度明显
|
||||
*
|
||||
* @param float $score 当前号码得分
|
||||
* @param float $avgScore Top5平均得分
|
||||
* @param array $predictions 所有预测结果
|
||||
* @return float 集中度置信度 (0-1)
|
||||
*/
|
||||
private function _getScoreConcentration($score, $avgScore, $predictions)
|
||||
{
|
||||
if (empty($predictions)) return 0;
|
||||
|
||||
$topScore = $predictions[0]['score'];
|
||||
|
||||
// 如果得分低于平均，集中度为0
|
||||
if ($score <= $avgScore) {
|
||||
return 0;
|
||||
}
|
||||
|
||||
// 如果Top得分等于平均，所有得分相同，集中度为0.5
|
||||
if ($topScore == $avgScore) {
|
||||
return $score == $topScore ? 0.5 : 0;
|
||||
}
|
||||
|
||||
// 集中度 = (score - avg) / (top - avg)
|
||||
$concentration = ($score - $avgScore) / ($topScore - $avgScore);
|
||||
return max(0, min(1, $concentration));
|
||||
}
|
||||
```
|
||||
|
||||
实现要点：
|
||||
- **维度重命名**：将"多维度一致性"改为"得分集中度"，更明确地表示Top得分与平均得分的差距
|
||||
- **加权公式明确**：`confidence = 0.4*历史命中率 + 0.3*得分分布 + 0.3*得分集中度`
|
||||
- **数据量检查**：回测数据不足50期时返回警告
|
||||
- **阈值明确**：>=70%高、50-70%中、<50%低
|
||||
- **无数据fallback**：回测缺失时使用估算公式
|
||||
</action>
|
||||
|
||||
<acceptance_criteria>
|
||||
- grep 正则匹配: `_calculateConfidence\s*\(` 在 History.php 中存在
|
||||
- grep 正则匹配: `_getHistoricalHitRateByRank\s*\(` 在 History.php 中存在
|
||||
- grep 正则匹配: `_getScoreDistributionConfidence\s*\(` 在 History.php 中存在
|
||||
- grep 正则匹配: `_getScoreConcentration\s*\(` 在 History.php 中存在（替代原_getDimensionConsistency）
|
||||
- grep 匹配: `minDataThreshold` 在方法中存在（数据量阈值）
|
||||
- grep 匹配: `score_concentration` 在返回结构中存在（替代原consistency）
|
||||
- 所有方法包含函数级注释，注释中包含加权公式说明
|
||||
</acceptance_criteria>
|
||||
|
||||
### Task 2: 在 getPredictionV3 中调用置信度计算（含数据量传递）
|
||||
|
||||
<read_first>
|
||||
- D:\code\php\amlhc\application\admin\model\History.php (line 2413-2444, getPredictionV3 返回部分)
|
||||
</read_first>
|
||||
|
||||
<action>
|
||||
在 `getPredictionV3` 方法中，找到以下代码段（约 line 2413-2444）：
|
||||
|
||||
```php
|
||||
// ====== 10. 历史回测验证 ======
|
||||
$backtest = $skipBacktest ? null : $this->_runBacktestV3($periods, $weights, $backtestCount, $cutoffTime);
|
||||
|
||||
// 计算命中情况
|
||||
$hitInfo = null;
|
||||
...
|
||||
return [
|
||||
'predictions' => $predictions,
|
||||
...
|
||||
];
|
||||
```
|
||||
|
||||
在 `$backtest` 计算后、`$hitInfo` 计算前，插入置信度计算代码：
|
||||
|
||||
```php
|
||||
// ====== 10. 历史回测验证 ======
|
||||
$backtest = $skipBacktest ? null : $this->_runBacktestV3($periods, $weights, $backtestCount, $cutoffTime);
|
||||
|
||||
// ====== 11. 置信度评估（新增）======
|
||||
// 最小数据量阈值设为50期，不足时置信度基于估算
|
||||
$minDataThreshold = 50;
|
||||
$confidence = $this->_calculateConfidence($predictions, $backtest, null, $minDataThreshold);
|
||||
|
||||
// 计算命中情况
|
||||
$hitInfo = null;
|
||||
...
|
||||
```
|
||||
|
||||
并修改返回结构，添加 `confidence` 字段：
|
||||
|
||||
```php
|
||||
return [
|
||||
'predictions' => $predictions,
|
||||
'last_special' => $lastSpecial,
|
||||
'last_expect' => $lastExpect,
|
||||
'analysis' => $analysis,
|
||||
'actual_result' => $actualResult,
|
||||
'hit_info' => $hitInfo,
|
||||
'backtest' => $backtest,
|
||||
'confidence' => $confidence // 新增置信度字段
|
||||
];
|
||||
```
|
||||
</action>
|
||||
|
||||
<acceptance_criteria>
|
||||
- grep 匹配: `_calculateConfidence` 在 getPredictionV3 方法中被调用
|
||||
- grep 匹配: `$minDataThreshold` 在 getPredictionV3 中存在
|
||||
- grep 匹配: `'confidence'` 在 getPredictionV3 返回结构中存在
|
||||
- 置信度计算在回测验证之后执行
|
||||
</acceptance_criteria>
|
||||
|
||||
## Verification
|
||||
|
||||
执行预测接口验证置信度字段返回：
|
||||
|
||||
```bash
|
||||
curl -s "http://127.0.0.1:8000/admin/history/predictV3?periods=200&backtest=10" | grep -E "confidence|overall_confidence|confidence_scores|score_concentration"
|
||||
```
|
||||
|
||||
预期结果：返回 JSON 中包含 confidence、overall_confidence、confidence_scores、score_concentration 字段。
|
||||
|
||||
## Success Criteria
|
||||
|
||||
1. `_calculateConfidence` 及 4 个辅助方法已实现
|
||||
2. 置信度维度重命名为：历史排名命中率、得分分布、得分集中度
|
||||
3. 加权公式在注释中明确：`confidence = 0.4*历史 + 0.3*分布 + 0.3*集中度`
|
||||
4. 添加数据量检查，不足50期时返回警告
|
||||
5. `getPredictionV3` 返回结构包含 confidence 字段
|
||||
6. 所有新增方法包含函数级注释
|
||||
|
||||
## Output
|
||||
|
||||
完成后创建 `.planning/phases/11-predictv3/11-02-SUMMARY.md`
|
||||
Reference in New Issue
Block a user