predictor

predictor — это исследовательская платформа глубокого обучения для прогнозирования и классификации временных рядов. Она обучает, оценивает и оптимизирует модели Keras/TensorFlow — включая ANN, CNN, LSTM, Transformer, TCN, TFT, N-BEATS, MIMO, а также бинарные и direction-классификаторные варианты — через плагинную архитектуру, в которой плагины predictor, optimizer, pipeline, preprocessor и target-calculation выбираются по имени из JSON-конфигов. Эксперименты организованы как нумерованные фазы в examples/config/, каждая фаза — воспроизводимый перебор архитектур, размеров датасетов и горизонтов. Ключевые возможности: - Плагинная архитектура: плагины predictor, optimizer, pipeline, preprocessor и target разрешаются через entry points, что обеспечивает гибкую композицию. - Несколько архитектур моделей: ANN, CNN, LSTM, Transformer, TCN, TFT, N-BEATS, MIMO, а также бинарные и direction-классификаторные варианты. - Оптимизация гиперпараметров: генетический алгоритм DEAP и оптимизаторы NEAT. - Структура поэтапных экспериментов: конфиги для переборов по размерам датасетов, горизонтам и архитектурам, с дневными и часовыми вариантами. - Воспроизводимые выходные данные: CSV с прогнозами, метрики, графики, обученные модели .keras с метаданными и объединённый эффективный конфиг для воспроизводимости. - Интеграция со смежными репозиториями: prediction_provider обслуживает обученные модели через FastAPI; feature-eng и feature-extractor отвечают за инженерию признаков/меток; doin-node обеспечивает распределённую совместную оптимизацию. Статус: исследовательское ПО в активной разработке. Всё обучение и оценка происходят офлайн на исторических данных (симуляция/бэктест). Выходные данные моделей — исследовательские артефакты, а не торговые сигналы; ничто в этом репозитории не является финансовым советом, и никакого исполнения с реальным капиталом здесь не происходит. Установка: клонировать, pip install -r requirements.txt, pip install -e . (устанавливает консольный скрипт predictor). Требуется Python 3.12 (проверено с 3.12.13, TensorFlow 2.21.0). CUDA GPU опциональна, но рекомендуется. Минимальный рабочий пример: запустить справку CLI и ограниченный пример на CPU с использованием встроенного дневного датасета. Точные команды см. в README. Тесты: устаревший набор pytest устарел и падает при импорте; проверка работоспособности plugin_loader проходит. Известные ограничения задокументированы. Лицензия: MIT.