Skip to content

Latest commit

 

History

History
37 lines (29 loc) · 2.53 KB

README.md

File metadata and controls

37 lines (29 loc) · 2.53 KB
Raw

TCC

Atenção, esse repositório contém um submódulo (coinmarketcalWebScrapper), localizado em ./src/data/loaders/coinmarketcalWebScrapper, caso deseje executar código deste repositório, certifique-se que o submódulo foi clonado também.

ETH trained - EOS forecasting.png results table

Documento pdf do TCC:

TCC_JoaoGabriel.pdf

Resultados e estatísticas

  • Comparativo pré-testes - preço "crú" VS variação do preço:

    • estatisticas em: ./src/LSTM_BTC_raw_vs_variation.ipynb
    • plots (graficos) das predições: ./src/LSTM.ipynb está mais para o inicio, acaba antes da metade

  • Modelos genéricos:

    • Plots dos resultados: ./resultados/generic_model/<moeda baseTreino> trained - <moeda alvoTeste> forecasting.png
    • Estatísticas dos resultados: ./src/LSTM_GenericModel_<moeda baseTreino>-<moeda alvoTeste>.ipynb

  • Features Adicionais:

    • Testes com indicadores técnicos (Bitcoin): ./src/LSTM_technicalFeatures.ipynb
    • Teste com indicadores técnidos (restante das moedas): ./src/LSTM_technicalFeatures_with_altcoins.ipynb
    • Testes com dados sociais: ./src/LSTM.ipynb começe olhando pelo final, pois tem muita coisa antes

Dados

  • dados do kaggle: ./data/kaggle - Cryptocurrency Historical Prices/coin_<moeda>.csv
  • dados sociais: ./data/social_data<moeda>.csv . Esses arquivos são gerados quando a função load_data() (encontrada em src/data/loades/utils.py) é chamada e o arquivo de dados sociais desta moeda não existe (é preciso ter o selenium instalado e funcionando nesse caso, e algumas outras dependências que não lembro mais).

código fonte

o código fonte se encontra na pasta ./src

  • ./src/data contém arquivos relacionados a obtenção e tratamento de dados.
    `→ para tratamento de dados utils.py é o arquivo mais relevante.
  • ./src/data/loaders contém as classes para extração de dados sociais.
  • ./src/metrics/custom.py contém as funções das métricas, as relevantes são: mean_squared_error(), custom_movement_accuracy() e above_or_below_zero_accuracy()

O restante dos arquivos não citados aqui ou não referenciados no arquivo pdf do TCC , podem estar depreciados e não remeterem à capacidade e performance do Modelo.