로또 회차 분석 · 반복 학습 V3

확인된 당첨 이력 기준

저장된 이력을 불러오는 중입니다.

확인된 최신 회차—

다음 분석 대상—

결과 대조 완료—

최신 당첨번호

화면이 열려 있는 동안 5분마다 확인

처음 실행할 때 최근 12회차를 순서대로 재현하여 분석 기록을 만듭니다.

다음 회차 서로 다른 10조합

참고 요약번호 10개

10조합을 만든 뒤 자주 사용한 번호와 구간 대표성을 모아 보여줍니다. 조합은 이 10개 번호 안으로 제한하지 않습니다.

이번 회차에 적용한 분석

적용 로직

실제 적용 계산식

현재 10조합의 실제 계산 값

유형	번호	참고 점수	계산 근거

500회부터 여러 방법 순차 비교

1~499회로 시작하고, 매 회차 직전까지의 당첨 이력만 사용합니다.

검증 결과를 불러오는 중입니다.

방법	선택 구간 최고 일치 평균	확인 구간	최종 평가 구간	전체 3개 이상 회차	전체 4개 이상 회차	조합당 일치 평균	5등 이상 조합

모든 방법은 회차마다 중복 없는 10조합을 비교합니다. 방법 선택에 최종 평가 구간의 성적을 사용하지 않습니다. 이력은 이미 알려진 과거 자료이므로 진짜 미래 검증은 지금 저장하는 이후 회차부터 진행합니다.

저장한 예상번호로 결과를 대조합니다.

당첨 결과가 들어오면 원래 조합을 평가하고 다음 회차를 추출합니다. 가중치 역산은 해당 기능을 사용하는 방법에만 적용합니다.

분석 회차

실제 당첨 조합의 구조점수 순위당시 이력 · 균등 무작위 1,000조합 대비

유형	저장된 예상번호	본번호 일치	등위 조건

당첨번호로 분석한 공식 변화

당첨 조합의 특징 점수와 예상 조합 평균을 비교합니다. 무작위 1,000조합에서 특징 점수와 본번호 일치 수의 상관관계를 구해 가중치를 조금씩 조정합니다.

공식 항목	당첨 특징 점수	예상 특징 평균	일치 수 상관계수	이전 가중치	다음 가중치

기존 V3 구조 점수와 분산 공식

기존 V3 예측의 계산법입니다. 비교 후 선정한 운용 방법의 실제 계산식은 ‘이번 회차 분석’ 탭에서 확인하세요.

01

당시 회차까지의 이력

전체 이력 65% + 최근 50회 35%로 구조 빈도를 계산합니다. 분석 대상 회차의 당첨번호는 해당 회차 추출에 포함하지 않습니다.

02

가중 평균과 구조 분산

1~45의 무작위 후보 3,000개를 평가합니다. 균형 3 · 고번호 2 · 저번호 2 · 홀짝 비대칭 1 · 희소 2조합을 독립적으로 선택합니다.

03

실제 결과로 역산

직전까지의 모델로 당첨 조합을 평가합니다. 특징과 일치 수의 상관계수에 따라 가중치를 한 회차에 최대 8% 조정한 뒤 정규화합니다.

04

다음 회차에 반영

가중치는 최초 값의 50~150% 안에서 유지하고 합계를 100으로 맞춥니다. 조합·시드·당첨 평가·변경 근거를 회차별로 저장합니다.

구조점수 = Σ(특징 점수 × 현재 가중치) ÷ Σ(현재 가중치)
변경 후보 = 이전 가중치 × (1 + 0.08 × 상관계수)

기존 V3의 다음 회차 가중치

아래 가중치는 별도 보존하는 기존 V3 예측에만 적용합니다. 빈도와 점수는 당첨 확률이 아닙니다.

유형별 세부 계산

고번호·저번호·비대칭·희소 유형은 합계·홀짝저고·구간 빈도 가중치를 20%로 낮춥니다. 희소형은 구조점수 55% + 희소지수 45%입니다. 희소지수는 구간 점유 50% · 간격 구성 25% · 홀짝저고 25%로 계산합니다. 선택 조합에서 이미 쓴 번호마다 1.2점, 다른 조합과 4개 겹치면 4점, 5개 이상 겹치면 12점을 감점합니다.

당첨 이력과 분석 기록

새 당첨 결과 직접 등록

공식 조회가 안 될 때 사용할 수 있습니다. 마지막 확인 회차 바로 다음 결과만 추가할 수 있습니다.

당첨 이력 가져오기

1회부터 이어지는 전체 CSV / JSON을 가져옵니다. 저장된 당첨번호와 충돌하는 자료는 등록되지 않습니다.

이력 파일 선택

CSV 헤더
round,date,n1,n2,n3,n4,n5,n6,bonus
JSON: [{round,date,numbers,bonus}, …]

저장과 자동 확인

기존 V3는 .lotto-data/state.json, 선정 방법은 .lotto-data/strategy-state.json에 각각 보존합니다. 새 결과를 받으면 원예측 평가 후 다음 회차를 추출합니다. 로컬 수동 갱신은 node weekly-run.cjs로 실행합니다.

동행복권 공식 결과 ↗

회차별 진행 기록

회차	계산 구분	저장 시각	평가	공식 반영