freqai同时优化回归和分类参数

freqtrade/templates/freqaiprimer.py

@@ -480,6 +480,19 @@ class FreqaiPrimer(IStrategy):
         k_buy = self.linear_map(market_trend_score, 0, 100, 1.2, 0.8)
         k_sell = self.linear_map(market_trend_score, 0, 100, 1.5, 1.0)
 
+        # 处理分类模型的预测值
+        classification_columns = [col for col in dataframe.columns if "&*-optimal_first_length" in col or "optimal_first_length" in col]
+        if classification_columns:
+            for col in classification_columns:
+                if col in dataframe.columns:
+                    # 重命名分类预测列以便后续使用
+                    dataframe["optimal_first_length_pred"] = dataframe[col]
+                    logger.info(f"[{pair}] 找到分类模型预测列: {col}, 重命名为 optimal_first_length_pred")
+                    logger.info(f"[{pair}] 分类预测值统计: {dataframe[col].value_counts().to_dict()}")
+                    break
+        else:
+            logger.warning(f"[{pair}] 未找到分类模型预测列，将使用默认值")
+
         self.buy_threshold = labels_mean - k_buy * labels_std
         self.sell_threshold = labels_mean + k_sell * labels_std
 
@@ -1347,9 +1360,8 @@ class FreqaiPrimer(IStrategy):
         
         try:
             # 使用分类模型预测最优 first_length
-            if "&*-optimal_first_length" in dataframe.columns:
-                # 获取最新预测值
-                predicted_value = dataframe["&*-optimal_first_length"].iloc[-1]
+            if "optimal_first_length_pred" in dataframe.columns:
+                predicted_value = dataframe["optimal_first_length_pred"].iloc[-1]
                 if pd.notna(predicted_value):
                     optimal_length_class = int(predicted_value)
                     length_mapping = {0: 2, 1: 4, 2: 6, 3: 8, 4: 10}
@@ -1357,14 +1369,10 @@ class FreqaiPrimer(IStrategy):
                     logger.info(f"[{pair}] ✅ 分类模型预测成功: first_length={first_length} (类别: {optimal_length_class})")
                 else:
                     first_length = 2  # 保持默认值为2
-                    logger.warning(f"[{pair}] ⚠️ 分类模型预测为NaN，使用默认值: {first_length}")
+                    logger.warning(f"[{pair}] ⚠️ 分类模型预测值为NaN，使用默认值: {first_length}")
             else:
                 first_length = 2  # 保持默认值为2
-                logger.warning(f"[{pair}] ❌ 分类模型列不存在，使用默认值: {first_length}")
-                
-            # 调试信息：显示当前dataframe列
-            ai_columns = [col for col in dataframe.columns if col.startswith('&') or col.startswith('&*')]
-            logger.info(f"[{pair}] 📊 当前AI预测列: {ai_columns}")
+                logger.warning(f"[{pair}] ⚠️ 分类模型列不存在，使用默认值: {first_length}")
             
             # 根据 first_length 动态调整其他段长
             second_length = first_length * 3

test_mixed_models.sh

@@ -0,0 +1,25 @@
+#!/bin/bash
+
+# 测试混合模型策略的启动脚本
+# 确保使用新的配置文件和模型名称
+
+echo "🚀 启动混合模型策略测试..."
+echo "📊 使用模型: freqai_primer_mixed"
+echo "📁 配置文件: test_mixed_models_config.json"
+
+# 设置环境变量
+export FREQTRADE__STRATEGY_NAME="freqaiprimer"
+export FREQTRADE__CONFIG_PATH="/Users/zhangkun/myTestFreqAI/test_mixed_models_config.json"
+
+# 启动策略
+python -m freqtrade trade \
+    --config /Users/zhangkun/myTestFreqAI/test_mixed_models_config.json \
+    --strategy freqaiprimer \
+    --log-level INFO \
+    --freqai-enabled \
+    --freqaimodel LightGBMClassifier \
+    --strategy-path /Users/zhangkun/myTestFreqAI/freqtrade/templates \
+    --db-url sqlite:///user_data/tradesv3.sqlite \
+    --userdir user_data
+
+echo "✅ 策略启动完成"