🎯 项目成果: - 准确率: 53.10% (2026年测试集) - 任务类型: 二分类 (预测涨/跌) - 特征: OHLCV + RSI + MACD (9个特征) - 训练数据: 2020-2025年BTC小时数据 (52,351序列) - 测试数据: 2026年1-29日 (484序列) 📊 性能指标: - 精确率: 51.79% - 召回率: 49.36% - F1分数: 0.5054 - 预测分布: 非常平衡 (偏差仅-11个) 🔬 实验历史: - 尝试了5种方案 (回归/分类, 不同数据划分) - 分类任务优于回归任务 (53.10% vs 49.5%) - 全量训练避免了过拟合问题 📦 主要模型文件: - models/checkpoints/dlinear_classification_2026/ - best_model.pt (最佳模型) - preprocessor.pkl (预处理器) - test_2026_results.json (测试结果) Co-Authored-By: Claude Sonnet 4.5 <noreply@anthropic.com>
41 lines
426 B
Plaintext
41 lines
426 B
Plaintext
# Python
|
|
__pycache__/
|
|
*.py[cod]
|
|
*$py.class
|
|
*.so
|
|
.Python
|
|
venv/
|
|
.venv/
|
|
env/
|
|
ENV/
|
|
|
|
# 数据和缓存
|
|
data/cache/*.csv
|
|
*.db
|
|
|
|
# 模型检查点(保留最佳模型,忽略训练过程文件)
|
|
models/checkpoints/*/epoch_*.pt
|
|
models/checkpoints/*/training_history.json
|
|
|
|
# Jupyter
|
|
.ipynb_checkpoints
|
|
*.ipynb
|
|
|
|
# IDE
|
|
.vscode/
|
|
.idea/
|
|
*.swp
|
|
*.swo
|
|
|
|
# 系统文件
|
|
.DS_Store
|
|
Thumbs.db
|
|
|
|
# 日志
|
|
*.log
|
|
logs/
|
|
|
|
# 临时文件
|
|
*.tmp
|
|
.cache/
|