predictor

predictor 是一个面向研究的深度学习平台，用于时间序列预测和分类。它通过插件架构训练、评估和优化 Keras/TensorFlow 模型——包括 ANN、CNN、LSTM、Transformer、TCN、TFT、N-BEATS、MIMO 以及二分类/方向分类器变体——其中 predictor、optimizer、pipeline、preprocessor 和 target-calculation 插件通过 JSON 配置按名称选择。实验按编号阶段组织在 examples/config/ 下，每个阶段都是对架构、数据集大小和预测范围的可复现扫描。 主要特性： - 基于插件的架构：predictor、optimizer、pipeline、preprocessor 和 target 插件通过 entry points 解析，允许灵活组合。 - 多种模型架构：ANN、CNN、LSTM、Transformer、TCN、TFT、N-BEATS、MIMO，以及二分类和方向分类器变体。 - 超参数优化：DEAP 遗传算法和 NEAT 优化器。 - 分阶段实验结构：用于扫描数据集大小、预测范围和架构的配置，包含每日和每小时变体。 - 可复现输出：predictions CSV、指标、图表、带元数据的已训练 .keras 模型，以及用于复现的合并有效配置。 - 与同级仓库集成：prediction_provider 通过 FastAPI 提供已训练模型；feature-eng 和 feature-extractor 处理特征/标签工程；doin-node 提供分布式协作优化。 状态：处于积极开发中的研究软件。所有训练和评估都在历史数据上离线进行（模拟/回测）。模型输出是研究产物，不是交易信号；本仓库中的任何内容都不构成财务建议，此处也不进行真实资金执行。 安装：克隆，pip install -r requirements.txt，pip install -e .（安装 predictor 控制台脚本）。需要 Python 3.12（已在 3.12.13、TensorFlow 2.21.0 上验证）。CUDA GPU 可选但推荐。 最小可运行示例：运行 CLI 帮助，并使用捆绑的每日数据集运行一个有界 CPU 示例。确切命令见 README。 测试：旧的 pytest 测试套件已过时，并在导入时失败；plugin_loader 上的健全性检查通过。已知限制已有文档说明。 许可证：MIT。