Hệ thống dự đoán 3 càng đặc biệt xổ số miền Bắc

Mô hình dự đoán số xổ số sử dụng Recurrent Neural Network (RNN) với Long Short-Term Memory (LSTM) layers, được xây dựng bằng TensorFlow/Keras.

Dự đoán ngày 06/01/2026

• 255 số đặc biệt:
  • 712,458,188,853,912,997,661,110,978,489,529,507,965,675,485,303,322,739,508,844,681,772,028,399,122,230,759,252,159,488,307,897,545,642,410,118,339,271,722,278,629,995,474,309,523,404,405,907,415,854,251,904,896,179,157,469,801,632,783,685,305,169,513,964,697,347,247,318,543,721,798,974,249,959,187,668,810,015,498,821,660,761,600,267,369,231,436,999,228,378,417,466,366,951,067,910,509,971,135,537,634,923,729,552,312,292,929,034,222,913,136,538,448,471,651,790,928,196,590,594,131,802,115,455,017,644,050,178,542,667,012,612,858,941,926,665,548,981,005,882,051,257,643,253,107,720,482,059,966,775,843,039,534,919,081,662,434,921,895,390,486,027,302,993,636,986,573,609,598,111,514,996,055,360,332,771,953,380,702,362,833,824,058,613,957,891,314,836,071,616,259,053,473,030,496,396,700,054,224,526,080,607,171,199,860,604,726,615,497,269,114,258,397,553,960,143,777,416,186,623,376,125,557,862,394,576,840,814,674,911,134,450,100,815,748,127,389,256,163,852,762,446,938,536,719,475,341,323,809,647,425,348,796,070,077

Kết quả dự đoán

Ngày	3 càng đặc biệt	3 càng đầu
05/01/2026	Số 505 - ❌ TRẬT	Số 525, 408, 194 - ✅ TRÚNG 1/3
04/01/2026	Số 397 - ❌ TRẬT	Số 239, 577, 634 - ✅ TRÚNG 1/3
03/01/2026	Số 949 - ❌ TRẬT	Số 512, 176, 433 - ✅ TRÚNG 1/3
02/01/2026	Số 748 - ❌ TRẬT	Số 641, 853, 159 - ❌ TRẬT
01/01/2026	Số 068 - ❌ TRẬT	Số 731, 617, 253 - ❌ TRẬT

Tính năng

• Mô hình chính:

  • raw_numbers: Dự đoán số xổ số nguyên (000-999) với 255 dự đoán khác nhau

• Kiến trúc mô hình:

  • 3 LSTM layers với dropout và regularization
  • GaussianNoise, BatchNormalization, L2 regularization
  • Data augmentation và temperature scaling
  • Early stopping và learning rate reduction
  • Validation split 20%

Cài đặt

1. Clone repository và submodule

# Clone repository chính
git clone https://github.com/itmanvn/3cang.git
cd 3cang

# Clone và cập nhật submodule vietnam-lottery-xsmb-analysis
git submodule update --init --recursive

Lưu ý quan trọng: Repository này sử dụng git submodule để quản lý dự án vietnam-lottery-xsmb-analysis. Đảm bảo bạn đã clone đầy đủ submodule để script fetch.py hoạt động chính xác.

2. Cài đặt Python dependencies

pip install -r requirements.txt
cd vietnam-lottery-xsmb-analysis
pip install -r requirements.txt

3. Kiểm tra file dữ liệu

• Đảm bảo file data-dacbiet.txt chứa dữ liệu xổ số (mỗi dòng một số 3 chữ số)
• Đảm bảo thư mục vietnam-lottery-xsmb-analysis đã được clone đầy đủ

Sử dụng

1. Lấy kết quả xổ số và cập nhật dữ liệu

Lấy kết quả xổ số mới nhất và cập nhật vào file dữ liệu:

python fetch.py

Script sẽ:

• Bước 1: Chạy script fetch.py trong vietnam-lottery-xsmb-analysis/src để fetch dữ liệu mới
• Bước 2: Đọc dữ liệu từ vietnam-lottery-xsmb-analysis/data/xsmb.json (đã được cập nhật)
• Bước 3: Trích xuất 3 số cuối của giải đặc biệt từ tất cả bản ghi
• Bước 4: Cập nhật file data-dacbiet.txt với các số mới (nếu có)
• Kết quả: Đồng bộ dữ liệu giữa xsmb.json và data-dacbiet.txt

2. Huấn luyện mô hình

Chạy script chính để huấn luyện mô hình raw_numbers:

python lottery_prediction_model.py

Script sẽ:

• Đọc dữ liệu từ data-dacbiet.txt
• Chuẩn bị dữ liệu cho dự đoán raw_numbers
• Huấn luyện mô hình LSTM
• Lưu mô hình dưới dạng file .keras (định dạng mới)
• Lưu scaler tương ứng để sử dụng dự đoán
• Thực hiện dự đoán 255 số mẫu

3. Kiểm tra mô hình đã huấn luyện

Kiểm tra trạng thái các mô hình:

python check_models.py

Script sẽ:

• Hiển thị danh sách tất cả mô hình
• Kiểm tra trạng thái và kích thước
• Xác minh scaler tương ứng
• Kiểm tra file dữ liệu

4. Dự đoán sử dụng mô hình đã huấn luyện

Sau khi huấn luyện xong, sử dụng script dự đoán:

python predict_lottery.py

Script sẽ:

• Tự động tìm mô hình mới nhất
• Đọc dữ liệu gần nhất
• Thực hiện dự đoán
• Hiển thị kết quả chi tiết

5. Dự đoán 255 số khác nhau từ mô hình

Dự đoán 255 số khác nhau hoàn toàn từ mô hình raw_numbers:

python predict_255_unique_from_model.py

Script sẽ:

• Tải mô hình raw_numbers mới nhất
• Thực hiện dự đoán 255 số khác nhau hoàn toàn
• Sử dụng temperature scaling cao (3.0) và top-10 sampling
• Lưu kết quả vào file data-predict.json với định dạng JSON

Cấu trúc repository

3cang/
├── lottery_prediction_model.py    # Script huấn luyện chính (chỉ raw_numbers)
├── predict_lottery.py             # Script dự đoán cơ bản
├── predict_255_unique_from_model.py  # Script dự đoán 255 số khác nhau
├── update_readme.py               # Script cập nhật README.md tự động
├── fetch.py                      # Script lấy kết quả xổ số và cập nhật dữ liệu
├── check_models.py                # Script kiểm tra mô hình
├── cleanup_models.py              # Script dọn dẹp model cũ
├── requirements.txt               # Dependencies
├── data-dacbiet.txt              # Dữ liệu xổ số
├── data-predict.json             # Kết quả dự đoán 255 số (JSON)
├── results.json                  # Kết quả kiểm tra dự đoán
├── README.md                     # Hướng dẫn này
├── lottery_model_raw_numbers_*.keras  # Mô hình raw_numbers (định dạng mới)
├── lottery_model_raw_numbers_*_scaler.npy  # Scaler tương ứng
├── .gitmodules                   # Cấu hình git submodule
└── vietnam-lottery-xsmb-analysis/  # Git submodule (dữ liệu xổ số)
    ├── src/
    │   ├── lottery.py            # Module xử lý dữ liệu xổ số
    │   └── fetch.py              # Script fetch dữ liệu từ web
    ├── data/
    │   └── xsmb.json             # Dữ liệu xổ số gốc
    └── README.md                 # Hướng dẫn submodule

Lưu ý: Thư mục vietnam-lottery-xsmb-analysis là một git submodule chứa dữ liệu xổ số và các script xử lý dữ liệu. Script fetch.py trong thư mục gốc sẽ gọi script trong submodule này để cập nhật dữ liệu.

Cấu hình mô hình

Tham số có thể điều chỉnh:

• SEQUENCE_LENGTH: Độ dài chuỗi đầu vào (mặc định: 10)
• EPOCHS: Số epoch huấn luyện (mặc định: 100, giảm xuống 80 cho raw_numbers)
• BATCH_SIZE: Kích thước batch (mặc định: 32)
• lstm_units: Số units trong LSTM layers (mặc định: 96 cho raw_numbers)
• dropout_rate: Tỷ lệ dropout (mặc định: 0.4 cho raw_numbers)
• temperature: Temperature scaling cho dự đoán (mặc định: 3.0)
• top_k: Số predictions top-k cho sampling (mặc định: 10)

Kiến trúc mô hình raw_numbers:

Input (10, 1) - Chuỗi 10 số gần nhất
    ↓
GaussianNoise(0.05) - Thêm noise nhẹ
    ↓
LSTM(96, return_sequences=True) + L2 regularization
    ↓
Dropout(0.4) + BatchNormalization
    ↓
LSTM(48, return_sequences=True) + L2 regularization
    ↓
Dropout(0.4) + BatchNormalization
    ↓
LSTM(24) + L2 regularization
    ↓
Dropout(0.4) + BatchNormalization
    ↓
Dense(48, activation='relu') + L2 regularization
    ↓
Dropout(0.4) + BatchNormalization
    ↓
Dense(1000, activation='softmax') - 1000 số từ 000-999

Loại dự đoán

1. Raw Numbers (Số nguyên) - MÔ HÌNH CHÍNH

• Input: Chuỗi 10 số xổ số gần nhất
• Output: Dự đoán 255 số tiếp theo (000-999)
• Độ chính xác: Phụ thuộc vào tính ngẫu nhiên của xổ số
• Đặc biệt: Sử dụng regularization, data augmentation và temperature scaling để tăng đa dạng dự đoán
• Ứng dụng: Dự đoán số xổ số với độ đa dạng cao

Lưu ý quan trọng

⚠️ Cảnh báo:

• Đây chỉ là mô hình AI dựa trên dữ liệu lịch sử
• KHÔNG đảm bảo kết quả dự đoán chính xác
• Xổ số là trò chơi may rủi, không thể dự đoán chính xác 100%
• Chỉ sử dụng cho mục đích nghiên cứu và giải trí

Xử lý lỗi thường gặp

1. Lỗi CUDA/GPU

Nếu gặp lỗi GPU, có thể chuyển sang CPU:

import os
os.environ['CUDA_VISIBLE_DEVICES'] = '-1'

2. Lỗi memory

Giảm batch_size hoặc sequence_length nếu gặp lỗi out of memory.

3. Lỗi dữ liệu

Đảm bảo file data-dacbiet.txt chứa đúng định dạng:

• Mỗi dòng một số
• Số có đúng 3 chữ số
• Không có ký tự đặc biệt

4. Mô hình raw_numbers dự đoán lặp lại

Nếu mô hình raw_numbers dự đoán lặp lại nhiều:

• Sử dụng python predict_255_unique_from_model.py để đảm bảo 255 số khác nhau
• Tăng temperature scaling (từ 1.5 lên 3.0)
• Tăng top-k sampling (từ top-5 lên top-10)
• Sử dụng data augmentation và regularization mạnh hơn

Hiệu suất

• Thời gian huấn luyện: Khoảng 5-15 phút cho mô hình raw_numbers
• Độ chính xác: Thường đạt 15-25% trên validation set
• Kích thước mô hình: Khoảng 1.5-2 MB cho file .keras
• Thời gian dự đoán: Khoảng 1-2 phút cho 255 số khác nhau
• Tính đa dạng: Đảm bảo 255 số khác nhau hoàn toàn (100%)

Quản lý Git Submodule

Cập nhật submodule

# Cập nhật submodule lên phiên bản mới nhất
git submodule update --remote

# Hoặc cập nhật submodule cụ thể
cd vietnam-lottery-xsmb-analysis
git pull origin main
cd ..
git add vietnam-lottery-xsmb-analysis
git commit -m "Update vietnam-lottery-xsmb-analysis submodule"

Clone repository với submodule

# Clone với submodule (khuyến nghị)
git clone --recurse-submodules https://github.com/your-username/3cang.git

# Hoặc clone riêng lẻ
git clone https://github.com/your-username/3cang.git
cd 3cang
git submodule init
git submodule update

Kiểm tra trạng thái submodule

# Xem trạng thái submodule
git submodule status

# Xem thông tin chi tiết
git submodule foreach git status

Xử lý lỗi submodule

Nếu gặp lỗi với submodule:

# Xóa và clone lại submodule
rm -rf vietnam-lottery-xsmb-analysis
git submodule update --init --recursive

# Hoặc reset submodule về trạng thái commit
git submodule update --force --recursive

Đóng góp

Để cải thiện mô hình, có thể:

• Thêm features mới (ngày tháng, mùa, v.v.)
• Thử nghiệm kiến trúc khác (GRU, Transformer)
• Sử dụng ensemble methods
• Tối ưu hóa hyperparameters
• Cải thiện temperature scaling và top-k sampling
• Thêm data augmentation techniques mới
• Tham khảo thêm: https://www.beatlottery.co.uk/lottery-predictions

License

Dự án này chỉ dành cho mục đích nghiên cứu và giáo dục.