Оптимизация обучения Scikit ⇐ Python

[Anonymous]

Я поигрался с библиотекой обучения Scikit на Python и создал программу, которая предсказывает цены на криптовалюту. Он довольно точен и большую часть времени дает верные прогнозы, но время от времени он дает неверные прогнозы, и иногда наблюдается значительное падение на 10%, и я теряю весь свой прогресс. Я был бы признателен за помощь или отзыв о моей программе, поскольку я новичок в Python, поскольку это мой первый настоящий проект.
Scikit изучает конвейер Python:

Код: Выделить всё

url = variable[f"{symbol}_url"] #getting the url for current predictions
response = requests.get(url)  #using thee requests library

if response.status_code == 200:
data = response.json()
print(data)
if data:
ohlc_data = data[0]

#formating data
variable[f"{symbol}_open_usd"] = ohlc_data.get('open')
variable[f"{symbol}_high_usd"] = ohlc_data.get('high')
variable[f"{symbol}_low_usd"] = ohlc_data.get('low')
variable[f"{symbol}_close_usd"] = ohlc_data.get('close')
variable[f"{symbol}_volume_usd"] = ohlc_data.get('volume')

#closing price pipeline

data = pd.read_csv(variable[f"{symbol}_fileC"])
df = data[['Open', 'High', 'Low', 'Close', 'Volume', 'PredictiveClose']] # variable in .csv file

while variable[f"{symbol}_close_score"] < minimum_threshold: #for a timeoutr after it run over 10000 times and isnt above a good score
timeout_runs_count = timeout_runs_count + 1
X_train, X_test, y_train, y_test = train_test_split(df[['Open', 'High', 'Low', 'Close', 'Volume']], df['PredictiveClose'], test_size=0.25)
model = LinearRegression() # linear regression model from sklearn
model.fit(X_train, y_train)
y_pred = model.predict(X_test) #the prediction testing
model.score(X_test, y_test) #getting the score to see if i rerun the program or run again

today_data = {
'Open': variable[f"{symbol}_open_usd"], # todays data
'High': variable[f"{symbol}_high_usd"],
'Low': variable[f"{symbol}_low_usd"],
'Close': variable[f"{symbol}_close_usd"],
'Volume': variable[f"{symbol}_volume_usd"]
}
today_df = pd.DataFrame([today_data])

variable[f"{symbol}_close_prediction"] = model.predict(today_df[['Open', 'High', 'Low', 'Close', 'Volume']]) #making the prediction
variable[f"{symbol}_close_score"] = model.score(X_test, y_test)
if timeout_runs_count > timeout_runs:
variable[f"{symbol}_close_score"] = 2
print(f'Close Counter: {timeout_runs_count} / {timeout_runs}', end='\r')

Я пробовал экспериментировать с другими моделями, и моя программа также распечатывает прогноз высокой цены, который является просто дублированием приведенной выше программы. Любые отзывы или помощь будут признательны.

Подробнее здесь: https://stackoverflow.com/questions/785 ... timization