本仓库围绕 src/analysis 目录的脚本提供快乐 8 历史数据下载、统计分析、候选组合生成与收益回测能力。当前版本聚焦离线分析，深度训练流程已拆分。

环境建议：请始终在名为 python311 的 Conda 环境或等效的 Python 3.11 虚拟环境中执行命令，以保持依赖一致。

• 🔄 scripts/get_data.py：下载快乐 8 历史数据，支持顺序出球模式。
• 📦 src/common.py：封装数据下载、期号查询与历史数据加载。
• 🌐 src/data_fetcher.py：带域名白名单、超时与重试机制的抓取器。
• 🎯 src/analysis/feature_enhancer.py：整合近期动量、共现谱、Dirichlet 平滑、PCA 与图嵌入的综合特征评分。
• 🧮 src/analysis/rule_miner.py：基于 FP-Growth 的频繁项集与关联规则筛选，支持软/硬模式。
• 🎲 src/analysis/copula_sampler.py：高斯 Copula 多样性采样，结合互信息惩罚提升组合相关性建模。
• 🧠 scripts/train_graph_embeddings.py：Node2Vec 图嵌入训练脚本，自动识别 CPU / NVIDIA GPU / AMD ROCm 设备。
• 🧪 tests/：覆盖配置、特征增强、规则挖掘、Copula 采样等模块的 Pytest 套件。

conda activate python311
make setup
make download-data             # 可重复执行，获取最新历史数据
make train-graph               # 可选：训练/更新图嵌入缓存
make run                       # 运行基础示例

以下命令会同时启用高级模式（遗传 + 贝叶斯 + Copula + 互信息惩罚）、特征增强、关联规则过滤以及可调的 Copula 采样参数：

python src/analysis/kl8_analysis.py \
  --cal_nums 20 \
  --total_create 240 \
  --limit_line 240 \
  --advanced_mode 2 \
  --feature_mode hybrid \
  --rule_filter soft \
  --rule_support 0.08 \
  --rule_confidence 0.7 \
  --copula_mode force \
  --copula_samples 64 \
  --copula_shrinkage 0.1

建议在执行前运行 make train-graph 以生成最新的图嵌入缓存，确保特征增强通道生效。

# 混合模式：综合近期动量与共现谱
python src/analysis/kl8_analysis.py --cal_nums 10 --total_create 120 --limit_line 200 --advanced_mode 2 --feature_mode hybrid

# 并行模式下强调趋势：使用 Plus 版本并设定线程池
python src/analysis/kl8_analysis_plus.py --cal_nums 15 --total_create 500 --max_workers 6 --advanced_mode 1 --feature_mode momentum

# 仅基于共现谱评分挑选候选
python src/analysis/kl8_analysis.py --advanced_mode 1 --feature_mode cooccurrence --limit_line 150

--feature_mode 选项：

python src/analysis/kl8_analysis.py \
  --cal_nums 10 --total_create 200 --limit_line 200 \
  --advanced_mode 2 --feature_mode hybrid \
  --rule_filter soft --rule_support 0.6 --rule_confidence 0.8

• --rule_filter hard：违反高置信度规则的组合将被直接剔除。
• --rule_filter soft：违规组合接受罚分，但可保留以丰富多样性。
• 相关阈值可在 config.analysis.rules 中配置，也可通过 CLI 覆盖。

• Copula 采样通过 --copula_mode auto|off|force 控制，--copula_samples、--copula_shrinkage、--copula_min_draws、--copula_multiplier 可调精细权重。
• 图嵌入缓存默认为 data_cache/graph_embeddings.npz，生成命令：make train-graph。
• 互信息惩罚默认在高级模式开启，如需调节可调整 analysis.graph_embedding.weight。

.
├── config/                # 配置文件（config.yaml）
├── data/kl8/              # 随仓库提供的最小示例数据
├── docs/                  # 架构 / API / 运维文档
├── examples/              # 高频号码统计示例
├── scripts/               # 数据下载与图嵌入训练脚本
├── src/
│   ├── analysis/          # 核心分析脚本与工具
│   ├── common.py          # 公共接口
│   ├── config.py          # 快乐 8 配置入口
│   └── data_fetcher.py    # 历史数据抓取
├── tests/                 # Pytest 测试套件
└── Makefile               # 一键任务入口

1. 提示找不到数据文件？
   先执行 make setup 创建目录，再运行 make download-data。确保网络可访问 https://datachart.500.com 和 https://data.917500.cn。
2. 如何启用高级算法组合？
   使用前述“一键启用全算法”命令或将 --advanced_mode 2 与 --copula_mode auto/force、--feature_mode hybrid、--rule_filter soft 联合使用。
3. Plus 版本与单线程版本如何选择？
   • kl8_analysis.py：轻量、易调试，适合快速验证。
   • kl8_analysis_plus.py：线程池并行，适合批量生成，需合理设置 --max_workers。
4. 批量任务调度
   使用 src/analysis/kl8_running.py 可遍历参数组合，并通过 --running_mode 控制执行策略。
5. Copula / 图嵌入如何维护？
   • 建议定期运行 make train-graph 更新嵌入。
   • Copula 采样需确保 limit_line 不小于 analysis.copula.min_draws（默认 180），不足时会自动退回传统策略。

批量运行会按参数列表笛卡尔展开生成大量任务（每个期号 × cal_nums × total_create），容易造成内存和文件句柄压力。请从小规模参数起步，确认后再逐步放大，同时监控 max_workers、内存及磁盘空间。

• make ci：依次执行 fmt、lint、test、build。
• pytest --cov=src：查看覆盖率（核心模块覆盖率 ≥ 80%）。
• make clean：清理缓存、编译产物与 __pycache__。

• 新增接口或配置时同步更新 docs/api.md、docs/architecture.md、ASSUMPTIONS.md。
• 如果扩展其他玩法，请在 docs/decision_record.md 记录设计取舍，并在 config/ 提供新的配置段。
• 若需恢复深度模型训练，可在独立分支重建 pipeline 后再合入主线。

• v1.4.0：新增 Copula 多样性采样、互信息惩罚、图嵌入训练脚本及全算法命令。
• v1.3.0：引入 Dirichlet 平滑与关联规则筛选。
• v1.1.0：新增特征融合选项、优化数据下载脚本。
• v1.0.0：初始发布，包含基本数据下载与分析能力。