MagicInput 模型训练应用

📈 概述

MagicInput 模型训练应用 是一款机器学习引擎，用于训练加密交易策略的预测模型。 它利用由 MagicInput 数据集构建器 生成的结构化 .parquet 数据集。 这些数据集涵盖了多个交易场景，按类别（如 meme 代币）、方向（Long、Short）和策略（scalp、long_term 等）组织。

模型训练完成后可直接集成到您的交易机器人中，为策略推荐和实时决策提供支持。

🧠 模型配置 – mlconfig.yaml

所有训练行为均由灵活的配置文件控制： 

# 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

📂 数据集输入

训练引擎会扫描 datasetDir 下的 .parquet 文件，通常按如下结构组织：

  • 类别 — 如 meme、layer1、AI
  • 方向 — Long、Short、Both
  • 策略 — scalp、long_term、balance_midterm

通过 filter 配置块，您可以筛选指定的币种符号或设置最低胜率阈值， 以便按资产类型或市场行为生成更精准的模型。

🧪 特征选择

训练过程中仅使用 featureColumns 中列出的字段作为特征输入， 包括杠杆、风险比例、智能止损/止盈参数以及交易信号条件等关键变量。

labelColumn 是用于监督学习的二元标签字段，例如 WinRateAboveThreshold， 用于标记具有高历史表现的交易设置。

⚙️ 训练设置

配置文件中定义了如下训练参数：

  • 算法：FastForest（基于决策树的强大二分类算法）
  • 最大迭代次数：训练将在指定轮数后或收敛时停止
  • 训练/测试划分：例如 80% / 20% 的训练集和测试集比例
  • 分层抽样：确保标签分布均衡

📊 模型评估

训练完成后，模型将使用以下标准分类指标进行评估：

  • 准确率 (Accuracy) — 正确预测占比
  • AUC — ROC 曲线下的面积
  • F1 值 — 精确率与召回率的调和平均

如果启用了 exportTrainingStats，上述指标和损失曲线将被导出为 CSV 文件，方便后续分析。

📦 模型输出

训练完成后，ML.NET 的二进制模型将保存至 modelOutputPath，以 .zip 文件形式存储。 可在运行时加载该文件以实现：

  • ⚡ 实时交易推荐
  • 📉 基于风险的入场过滤
  • 🧠 增强机器人决策能力

🚀 用例：基于类别的 AI 模型

您可以为不同类别（如 meme 代币）、方向（如 Long 交易）或策略（如 scalp）训练多个模型。 这些模型可动态调用，从而提升自动化策略的精度与个性化表现。

📎 Related Topics