इस प्रोजेक्ट के बारे में

predictor समय-श्रृंखला पूर्वानुमान और वर्गीकरण के लिए एक शोध-उन्मुख डीप-लर्निंग प्लेटफ़ॉर्म है। यह Keras/TensorFlow मॉडलों — जिनमें ANN, CNN, LSTM, Transformer, TCN, TFT, N-BEATS, MIMO, और बाइनरी/दिशा क्लासिफायर वेरिएंट शामिल हैं — को एक प्लगइन आर्किटेक्चर के माध्यम से प्रशिक्षित, मूल्यांकन और अनुकूलित करता है, जहाँ predictor, optimizer, pipeline, preprocessor, और target-calculation प्लगइन्स को JSON कॉन्फ़िग्स से नाम के आधार पर चुना जाता है। प्रयोग examples/config/ के अंतर्गत क्रमांकित चरणों (phases) के रूप में संगठित हैं, प्रत्येक चरण आर्किटेक्चर, डेटासेट आकार, और क्षितिजों (horizons) पर एक पुनरुत्पादनीय स्वीप है। मुख्य विशेषताएँ: - प्लगइन-आधारित आर्किटेक्चर: predictor, optimizer, pipeline, preprocessor, और target प्लगइन्स entry points के माध्यम से हल किए जाते हैं, जिससे लचीली संरचना संभव होती है। - कई मॉडल आर्किटेक्चर: ANN, CNN, LSTM, Transformer, TCN, TFT, N-BEATS, MIMO, साथ ही बाइनरी और दिशा क्लासिफायर वेरिएंट। - हाइपरपैरामीटर अनुकूलन: DEAP आनुवंशिक एल्गोरिदम और NEAT ऑप्टिमाइज़र। - चरणबद्ध प्रयोग संरचना: डेटासेट आकार, क्षितिजों, और आर्किटेक्चर पर स्वीप के लिए कॉन्फ़िग्स, दैनिक और प्रति-घंटा वेरिएंट के साथ। - पुनरुत्पादनीय आउटपुट: predictions CSV, मेट्रिक्स, प्लॉट्स, मेटाडेटा के साथ प्रशिक्षित .keras मॉडल, और पुनरुत्पादनीयता के लिए मर्ज किया गया प्रभावी कॉन्फ़िग। - सहोदर रिपॉज़िटरीज़ के साथ एकीकरण: prediction_provider FastAPI के माध्यम से प्रशिक्षित मॉडल प्रदान करता है; feature-eng और feature-extractor फ़ीचर/लेबल इंजीनियरिंग संभालते हैं; doin-node वितरित सहयोगी अनुकूलन प्रदान करता है। स्थिति: सक्रिय विकास के अधीन शोध सॉफ़्टवेयर। सभी प्रशिक्षण और मूल्यांकन ऐतिहासिक डेटा पर ऑफ़लाइन होता है (सिमुलेशन/बैकटेस्ट)। मॉडल आउटपुट शोध कलाकृतियाँ हैं, ट्रेडिंग सिग्नल नहीं; इस रिपॉज़िटरी में कुछ भी वित्तीय सलाह नहीं है, और यहाँ कोई वास्तविक-पूंजी निष्पादन नहीं होता है। इंस्टॉलेशन: क्लोन करें, pip install -r requirements.txt, pip install -e . (predictor कंसोल स्क्रिप्ट इंस्टॉल करता है)। Python 3.12 आवश्यक है (3.12.13, TensorFlow 2.21.0 के साथ सत्यापित)। CUDA GPU वैकल्पिक लेकिन अनुशंसित है। सबसे छोटा कार्यशील उदाहरण: CLI सहायता चलाएँ और बंडल किए गए दैनिक डेटासेट का उपयोग करके एक सीमित CPU उदाहरण चलाएँ। सटीक कमांड के लिए README देखें। परीक्षण: लेगेसी pytest सूट पुराना है और आयात पर विफल हो जाता है; plugin_loader पर एक sanity check पास होता है। ज्ञात सीमाएँ प्रलेखित हैं। लाइसेंस: MIT।