NtWjSrSSKrSSKrSSKJr SSKJr SSK J r J r SSK J r SSKJr SSKJrJr "S S 5r"S S \5rg) uW Adapter для ExpertEnsemble, чтобы интегрировать его в BenchmarkFramework. ExpertEnsemble требует OHLCV данные, а BenchmarkFramework работает только с фичами. Адаптер "оборачивает" ExpertEnsemble и имитирует sklearn-интерфейс fit/predict_proba. N)RandomForestClassifier)MultiOutputClassifier) MODEL_CONFIG RANDOM_SEED)logger)ExpertEnsemble)_build_dataset_get_feature_colsc\rSrSrSrS\\4SjrS\RS\ R4Sjr S\R4Sjr S \ R4S jrS \4S jrS \\4S jrSrg)ExpertEnsembleAdapteru Адаптер для интеграции ExpertEnsemble в BenchmarkFramework. Оборачивает ExpertEnsemble + Fusion RF в sklearn-подобный интерфейс. Args: feature_cols: Список базовых фичей для ExpertEnsemble Example: >>> adapter = ExpertEnsembleAdapter(feature_cols=base_features) >>> adapter.fit(df, y) >>> probs = adapter.predict_proba(df) feature_colscHXlSUlSUlSUlSUlg)u} Инициализация адаптера. Args: feature_cols: Список базовых фичей (без OHLCV) NF)rensemble fusion_model fusion_cols is_fitted)selfrs 7/home/ai/projects/AI_Strategy/models/experts_adapter.py__init__ExpertEnsembleAdapter.__init__!s()  dfyc[R"S[UR5S35 [R R [5 [[UR55Ul URRXRSS9 [R"S5 URRXR5n[5Vs/sHoDUR;dMUPM snUl[R"S[UR5S35 [XURUR5n[![U5[U55nXV*SnX&*Sn[R"S [U5S 35 [R"S [UR535 [R"S UR"S UR"35 [%['S0[(SD65UlUR*R-XW5 SUl[R"S5 U$s snf)u Обучает LSTM экспертов и Fusion RF. Args: df: DataFrame с OHLCV данными и фичами (все колонки) y: Target vector/matrix (n_samples, n_targets) или (n_samples,) Returns: self: Для удобства (fluent interface) z [Adapter] Training z base features...F)verbosez% [Adapter] Getting expert signals...z* [Adapter] Building fusion features from z columns...Nz" [Adapter] Training Fusion RF on z samples...z Fusion features: z X_fusion shape: z , y shape: rfTz+ [Adapter] Fusion RF trained successfully!)rinfolenrnprandomseedrrr train_all predict_allr columnsrr minshaperrrrfitr)rrrsignalscX_fusionmin_len y_aligneds rr)ExpertEnsembleAdapter.fit.s  +C0A0A,B+CCTUV {#&s4+<+<'=>  $5$5uE  ;=--++B0A0AB(9':N':!2::oA':N @TEUEUAV@WWbcd!"t}}d>N>NOc(mSV,HI&hiL  8X{ST +C0@0@,A+BCD *8>>*:+iooEVWX2 " 8\$%7 8  h2 AC -Os I6Ic UR(d [S5eURRXR5n[ XURUR 5nURRU5n[U5[US5- nUS:af[R"SUS35 /nUHBn[R"US4S5nUR[R"X/55 MD U$U$)u Предсказывает вероятности через экспертов и Fusion RF. Args: df: DataFrame с OHLCV данными и фичами Returns: list of arrays: Вероятности для каждого таргета (shape: [(n_samples, 2), ...]) zDModel not fitted yet. Call fit() first on DataFrame with OHLCV data.rz [Adapter] Padding z% predictions with neutral probs (0.5)?)r RuntimeErrorrr%rr rr predict_probar rdebugr!fullappendvstack) rrr*r,probspad_len padded_probsppads rr4#ExpertEnsembleAdapter.predict_proba_s~~V  --++B0A0AB""t}}d>N>NO!!//9 b'CaM) Q; LL/y8]^ _LggwlC0##BIIsh$78  rXcURU5n[R"UVs/sHo3SS2S4S:PM sn5$s snf)u Предсказывает классы (доступно для совместимости). Args: X: Feature matrix (n_samples, n_features) Returns: np.ndarray: Предсказанные классы (n_samples, n_targets) Nr2)r4r! column_stack)rr?r9r<s rpredictExpertEnsembleAdapter.predicts?""1%>1!Q$3>??>sAreturncUR$)uu Проверяет, обучена ли модель. Returns: bool: True если модель обучена )rrs rrExpertEnsembleAdapter.is_fitteds~~rcUR$)ut Получает список имен фичей для Fusion RF. Returns: list[str]: Имена фичей )rrGs rget_fusion_feature_names.ExpertEnsembleAdapter.get_fusion_feature_namessr)rrrrrN)__name__ __module__ __qualname____firstlineno____doc__liststrrpd DataFramer!ndarrayr)r4rCboolrrJ__static_attributes__rrrr r sr  T#Y /bll/rzz/b& &P @ @4 $s) rr c`^\rSrSrSrS\R S\R4U4Sjjr Sr U=r $)ExpertEnsembleCalibratoru Вариация адаптера с калибровкой. Дополнительно применяет калибровку к вероятностям. rrc>[T U]X5 SSKJn /n/nUR 5nXR X`R 'UR U5nUHNnURUSS2S45 UR[UR5S:a USS2S4OU5 MP U(aI[R"S5 U"SS9n U RXE5 Xl [R"S5 U$! NV=f)Nr)MultiOutputCalibratorrAz/ [Adapter] Calibrating expert probabilities...isotonic)methodz% [Adapter] Probabilities calibrated!) superr)models.calibrationr\copyrr4r7r r(rr calibrator) rrrr\ raw_probsy_truetemp_df probs_listr9rb __class__s rr)ExpertEnsembleCalibrator.fits  B = '')%'(9(9%:!!" ++B/J#  q!t- QWW)9a1gqA$  KKI K.jAJ NN9 -(O KK? A   s A%C==D)rb) rLrMrNrOrPrSrTr!rUr)rW __classcell__)rgs@rrYrYs( bllrzzrrY)rPnumpyr!pandasrSsklearn.ensemblersklearn.multioutputrconfigrr utils.loggerrmodels.expertsr models.moer r r rYrrrrrs>35,)8R R l%4%r