drew2323 / mlroom Goto Github PK

Tento model do jendodúčelových sad modelů.
Získáváme edge tím, že model je vždy na jeden účel a zároveň využíváme kombinaci jednoúčelových modelů, čímž zvyšujeme rpavděpodobnost. (vstupuje jen když všechny hlásí)

1. SIGNAL - Binární klasifikace -trend/no trend
2. BUY/SELL - Určujej směr trendu
3. SIZING

SIZING MODEL:
Model, který kategorizuje potenciální trend, výstupem je softmax kategorie indikující výši trendu - kategorie je násobkem chunku (např. 0.2%)

Tzn. potvrzuje trend a zároveň indikuje pravdpěodobnost jejich velikosti. (Double confirmation). Zvážit vytvoření separátního modelu pro downtrend a uptrend.

Výstup
-2,-1,0,1,2

kde -2 (2* -chunk)
-1 (1* -chunk)
0 nic
1 1chunk
2 2chunk

Vymyslet labeling

Support of other models than keras (mainly scikitlearn models random forests, arima etc.)

Upravit load and save v mlroom, aby uměla pracovat s libovolným modelem. Logiku pro load a save kerasu doplnit o obecnou logiku pouzivajici pouze joblib.load/dump

Návrh řešení a kód je: https://g.co/gemini/share/df5a78a6b936

Zároveň je zde i popis random forestu.

Úprava tréninku a validace

1)Penalize predictions that lead to another trend

Úprava loss funkce to compare with subsequent (include subsequent trend in pipeline) trend.https://chat.openai.com/share/bd221024-c3c6-42df-84ba-61ed2d8b9b1b

https://chat.openai.com/share/bd221024-c3c6-42df-84ba-61ed2d8b9b1b

2)Validacni target penalizujici ztráty.
Na za cíl evakuaci výkonu, krom standardního targetu jsou označeny všechny datapointy pointy zda v rámci thresholdu vedou k zisku nebo ztrátě. Tim se otestuje skutečná výkonnost modelu.

Tbd zvážit podobné označení i v tréninkových datech.

Možná by to vedlo k samostatným modelům na růst a klesání.

V konfiguraci umožnit vložit validační data (validation_runner nebo validation_batch) jako validatiod data do trainu.

V kodu pak poslat do validation_data ve fit.

Depends on #6

Vytvořit random forest model pro trend identifikaction strategii nebo remake nějaké starší strategie s mnoha podmínkami.

Mělo by fungovat místo strategií s mnoha podmínkami.

Konzultace https://g.co/gemini/share/df5a78a6b936

https://huggingface.co/docs/hub/keras

Try and it's it works then super using such models for training/ inference.

Candidate model https://huggingface.co/keras-io/time-series-anomaly-detection-autoencoder

do train.py - umoznit i v nastaveni - early stoppage, pokud se dlouho nevylepsuje tak vypni
a zaroven prubezny checkpoitn ukladani

vse popsano zde
https://chat.openai.com/c/65dfdb0f-bbb8-46d9-b42f-c0164cc63eab