abdulmajeedhub/Valerix-Bitcoin-Price-Detection

VALERIX
比特币价格预测

读懂市场的机器学习 —— 并在一页纸上向你展示完整图景。

Python · XGBoost · 单文件 ML · 执行仪表板输出

## 概述 **Valerix 比特币价格预测** 是一个生产级的机器学习 pipeline，可基于历史 OHLCV 数据预测比特币收盘价。它以单个 Python 文件构建，能够加载你的 CSV，提取技术指标特征，训练 **XGBoost** 回归模型，并生成一份**专业的单页分析仪表板** —— 无需 Web 服务器，也无需全栈环境配置。 ## 特色亮点 | | Valerix 方案 | |---|---| | **架构** | 单个 `.py` 文件 —— 易于部署、审计和扩展 | | **输出** | 一份横向的执行报告，而非零散的图表 | | **可读性** | 带编号的章节（01 → 05），具备清晰的自上而下阅读流 | | **重点** | 纯 ML —— 数据输入，预测与可视化输出 | ## 工作原理 ``` bitcoin_prices.csv │ ▼ ┌──────────────────┐ │ Load & Clean │ Pandas └────────┬─────────┘ ▼ ┌──────────────────┐ │ Feature Engineer │ MA, RSI, Returns, Lags, Volatility └────────┬─────────┘ ▼ ┌──────────────────┐ │ Scale & Split │ Scikit-learn (chronological 80/20) └────────┬─────────┘ ▼ ┌──────────────────┐ │ Train XGBoost │ Gradient Boosting Regressor └────────┬─────────┘ ▼ ┌──────────────────┐ │ Evaluate & Predict│ MAE · RMSE · R² · MAPE └────────┬─────────┘ ▼ ┌──────────────────────────────────────────┐ │ Single-Page Valerix Executive Dashboard │ └──────────────────────────────────────────┘ ``` ## 仪表板预览 该 pipeline 会生成 **`graphs/valerix_bitcoin_dashboard.png`** —— 一份深色主题的横向报告，包含： | 章节 | 内容 | |---------|---------| | **核心预测** | 次日预测价格及趋势箭头 | | **01 — 市场趋势** | 完整价格历史 + 30天移动平均线 | | **02 — 模型准确度** | 环形仪表盘 + MAE、R² 及测试样本数量 | | **03 — 预测值与实际值对比** | 测试数据上的并排比较 | | **04 — 关键驱动因素** | 影响模型的前 5 大特征 | | **05 — 数据快照** | 来自你 CSV 的最新 OHLC 记录 | ## 技术栈 | 库 | 作用 | |---------|------| | **Pandas** | 数据加载、清洗和表格分析 | | **NumPy** | 快速数值计算 | | **Matplotlib / Seaborn** | 专业仪表板可视化 | | **Scikit-learn** | 缩放处理、训练/测试集划分、评估指标 | | **XGBoost** | 高准确度的梯度提升预测 | ## 项目结构 ``` Valerix Bitcoin Price Detection/ │ ├── bitcoin_price_detection.py # Complete ML pipeline (single file) ├── bitcoin_prices.csv # Sample dataset (730 days) ├── requirements.txt ├── README.md │ ├── graphs/ │ └── valerix_bitcoin_dashboard.png │ └── outputs/ ├── results.txt # Text summary & metrics └── predictions.csv # Test-set actual vs predicted ``` ## 快速开始 ### 1. 克隆或打开项目 ``` cd "Valerix Bitcoin Price Detection" ``` ### 2. 安装依赖 ``` pip install -r requirements.txt ``` ### 3. 运行 pipeline ``` python bitcoin_price_detection.py ``` ### 4. 使用你自己的 CSV（可选） ``` python bitcoin_price_detection.py --csv path/to/your_data.csv ``` ## 在 VS Code 中运行 1. **File → Open Folder** → 选择 `Valerix Bitcoin Price Detection` 2. **Ctrl + Shift + P** → `Python: Select Interpreter` 3. 打开终端 → `pip install -r requirements.txt` 4. 打开 `bitcoin_price_detection.py` → 点击 **▶ Run Python File** 5. 在 `graphs/valerix_bitcoin_dashboard.png` 中查看输出结果 ## CSV 格式 你的数据集必须包含以下列： | 列名 | 描述 | |--------|-------------| | `date` | 交易日期 (`YYYY-MM-DD`) | | `open` | 开盘价 (USD) | | `high` | 最高价 (USD) | | `low` | 最低价 (USD) | | `close` | 收盘价 (USD) | | `volume` | 交易量 | **示例行：** ``` date,open,high,low,close,volume 2024-01-01,42200.50,42500.00,41800.00,42350.75,28500000000 ``` ## 输出文件 | 文件 | 描述 | |------|-------------| | `graphs/valerix_bitcoin_dashboard.png` | 单页可视化报告 | | `outputs/results.txt` | 模型指标、预测值、样本预测 | | `outputs/predictions.csv` | 测试集中每一天的日期、实际值、预测值和误差 | | 终端控制台 | 数据集概览、统计数据和实时摘要 | ## 模型特征 该 pipeline 会自动提取 **16 个技术指标**： - 日收益率与 7 天收益率 - 移动平均线（7天、14天、30天） - 7 天波动率与平均交易量 - RSI（14 周期） - 最高价与最低价之间的幅度 - 收盘价滞后值（1 天、7 天） ## 配置 编辑 `bitcoin_price_detection.py` 顶部以进行自定义： ``` CSV_FILE = "bitcoin_prices.csv" # Default dataset TEST_SIZE = 0.2 # 20% held out for testing RANDOM_STATE = 42 # Reproducible results ``` ## 环境要求 - Python 3.10+ - Windows / macOS / Linux - 依赖项约需 ~50 MB 磁盘空间 ## 免责声明 本项目仅用于**教育和分析目的**。预测结果由基于历史数据训练的机器学习模型生成，**不构成投资建议**。加密货币市场波动极大 —— 在做出投资决策前，请务必自行做好研究。

Valerix 比特币价格预测
_{数据输入。洞察输出。一页呈现。}

由 Valerix AI 精准打造

标签：Apex, XGBoost, 价格预测, 机器学习, 比特币, 特征工程, 逆向工具