تطبيق تدريب النماذج MagicInput

📈 نظرة عامة

يُعد تطبيق MagicInput لتدريب النماذج محرك تعلم آلي مخصص لتدريب النماذج التنبؤية لاستراتيجيات التداول بالعملات الرقمية. يستفيد من مجموعات بيانات منظمة يتم إنشاؤها بواسطة أداة إنشاء البيانات MagicInput بتنسيق .parquet. تغطي هذه البيانات سيناريوهات تداول متنوعة عبر الفئات (مثل عملات الميم)، الاتجاهات (Long، Short)، والاستراتيجيات (scalp، long_term، إلخ).

بعد التدريب، يمكن دمج النموذج مباشرةً في روبوت التداول الخاص بك لتقديم توصيات استراتيجية فورية ورؤى تساعد على اتخاذ القرار.

🧠 إعدادات النموذج – mlconfig.yaml

يتم التحكم في سلوك التدريب بالكامل عبر ملف إعدادات مرن: 

# mlconfig.yaml

datasetDir: ./datasets/parquite_latest
modelOutputPath: ./ai/models/trade_predictor.zip
taskType: classification
labelColumn: WinRateAboveThreshold

featureColumns:
  - Leverage
  - Strategy
  - VirtualBalance
  - RiskPercent
  - SL
  - TP
  - Breakeven_Trigger
  - Breakeven_Buffer
  - TrailingSL_Offset
  - TrailingTP_Trigger
  - LongCond_0_Change
  - LongCond_0_Interval
  - ShortCond_0_Change
  - ShortCond_0_Interval

filter:
  symbols:
    - DOGE
    - PEPE
    - WIF
    - SHIB
    - FLOKI
    - BONK
  minWinRate: 60

trainer: FastForest

training:
  maxIterations: 100
  trainTestSplit: 0.8
  stratified: true

evaluation:
  metrics:
    - Accuracy
    - AUC
    - F1Score

exportTrainingStats: true

📂 إدخال البيانات

يقوم محرك التدريب بمسح مجلد datasetDir للبحث عن ملفات .parquet، والتي تُنظم عادةً حسب:

  • الفئة – مثل meme، layer1، AI
  • الاتجاه – Long، Short، Both
  • الاستراتيجية – scalp، long_term، balance_midterm

باستخدام كتلة filter، يمكنك تقييد التدريب على رموز معينة أو تطبيق حد أدنى لمعدل النجاح، مما يسمح بإنشاء نماذج دقيقة حسب نوع الأصل أو سلوك السوق.

🧪 اختيار الخصائص

يتم تضمين الأعمدة المحددة فقط في featureColumns أثناء التدريب. وتمثل هذه الأعمدة المدخلات الهامة مثل الرافعة المالية، نسبة المخاطرة، SL/TP الذكي، وشروط الإشارات التداولية.

يمثل labelColumn النتيجة الثنائية المستخدمة في التعلم المُراقب، مثل WinRateAboveThreshold لتصنيف الإعدادات ذات الأداء التاريخي المرتفع.

⚙️ إعدادات التدريب

يتم تحديد سلوك التدريب في ملف الإعداد على النحو التالي:

  • الخوارزمية: FastForest (تصنيف ثنائي قوي باستخدام أشجار القرار)
  • الحد الأقصى للتكرارات: يتوقف التدريب بعد عدد معين من التكرارات أو عند الوصول للتقارب
  • نسبة تقسيم التدريب/الاختبار: نسبة البيانات المخصصة للتدريب مقابل التقييم (مثال: 80% / 20%)
  • التوزيع الطبقي: يضمن توازن توزيع الفئات

📊 تقييم النموذج

بعد التدريب، يتم تقييم النموذج باستخدام مقاييس تصنيف قياسية:

  • الدقة – عدد التوقعات الصحيحة مقارنةً بالإجمالي
  • AUC – المساحة تحت منحنى ROC
  • F1 Score – المتوسط التوافقي للدقة والاسترجاع

إذا تم تفعيل exportTrainingStats، يتم حفظ هذه المقاييس ومنحنيات الفقدان كملفات CSV لتحليلها لاحقًا.

📦 إخراج النموذج

بعد انتهاء التدريب، يتم حفظ نموذج ML.NET بصيغة ثنائية في المسار modelOutputPath كملف .zip. ويمكن تحميل هذا الملف أثناء وقت التشغيل لتوفير:

  • ⚡ توصيات تداول فورية
  • 📉 تصفية الدخول حسب درجة المخاطرة
  • 🧠 دعم اتخاذ القرار بواسطة الروبوت

🚀 حالة استخدام: نماذج ذكاء اصطناعي خاصة بالفئة

يمكنك تدريب نماذج متعددة، كل منها يستهدف فئة معينة (مثل meme)، أو اتجاه (مثل Long فقط)، أو نوع استراتيجية (مثل scalp). يمكن تشغيل هذه النماذج ديناميكيًا لتعزيز دقة وتخصيص استراتيجياتك الآلية.

📎 Related Topics