ml_engine/ranker.py

# ml_engine/ranker.py (V9.1 - Layer 1 Smart Ranker)
import pandas as pd
import numpy as np
import os
from typing import List, Dict, Any

try:
    import lightgbm as lgb
    LGBM_AVAILABLE = True
except ImportError:
    print("❌❌ [Ranker V9.1] مكتبة 'lightgbm' غير موجودة. الرانكر سيفشل.")
    print("   -> قم بتثبيتها: pip install lightgbm")
    LGBM_AVAILABLE = False

class Layer1Ranker:
    def __init__(self, model_path: str = "ml_models/layer1_ranker.lgbm", r2_service=None):
        """
        تهيئة "العقل الذكي" (نموذج V9.1) للكاشف المصغر.
        
        Args:
            model_path (str): المسار المحلي إلى ملف نموذج LightGBM المدرب.
            r2_service: (اختياري) خدمة R2 لتحميل النموذج من السحابة.
        """
        if not LGBM_AVAILABLE:
            raise ImportError("مكتبة 'lightgbm' مطلوبة لتشغيل الرانكر.")
            
        self.model_path = model_path
        self.model_name = os.path.basename(model_path)
        self.r2_service = r2_service # (للاستخدام المستقبلي لتحميل النموذج من R2)
        self.model = None
        self.features_in_ = None # (قائمة الميزات التي تدرب عليها النموذج)

    async def initialize(self):
        """
        تحميل النموذج المدرب وميزاته.
        (ملاحظة: حالياً يحمل من ملف محلي. يمكن تعديله ليحمل من R2)
        """
        print(f"🔄 [Ranker V9.1] بدء تحميل نموذج الكاشف المصغر: {self.model_name}...")
        try:
            # (الخطة أ: التحميل من R2 إذا كان متاحاً - غير مفعل حالياً)
            # if self.r2_service:
            #     print(f"   -> (محاولة التحميل من R2...)")
            #     model_bytes = await self.r2_service.load_model_from_r2(self.model_name)
            #     if model_bytes:
            #         self.model = lgb.Booster(model_str=model_bytes.decode('utf-8'))
            #         print("   -> (تم التحميل بنجاح من R2)")

            # (الخطة ب: التحميل من ملف محلي إذا فشلت الخطة أ أو لم تكن مفعلة)
            if self.model is None:
                if not os.path.exists(self.model_path):
                    print(f"❌❌ [Ranker V9.1] خطأ فادح: ملف النموذج {self.model_path} غير موجود.")
                    print("   -> هل قمت بتنزيل النموذج 'layer1_ranker.lgbm' من Colab؟")
                    print("   -> سيتم استخدام 'نموذج وهمي' (Placeholder) مؤقت. هذا سيمنع أي تداول.")
                    self.model = None 
                    # (هذه هي الميزات التي نتوقعها من 'indicators.py' V9.1)
                    self.features_in_ = [
                        'price_to_ema_50', 'price_to_ema_200', 'price_to_min_100', 
                        'price_to_max_100', 'slope_14_50', 'volume_zscore_50', 
                        'vwap_gap', 'rsi_14', 'rsi_mean_10', 'rsi_std_10', 
                        'mfi_14', 'mfi_mean_10', 'adx_14', 'atr_percent', 
                        'atr_normalized_return'
                    ]
                else:
                    # (التحميل الناجح من الملف المحلي)
                    self.model = lgb.Booster(model_file=self.model_path)
                    self.features_in_ = self.model.feature_name()
                    print(f"✅ [Ranker V9.1] تم تحميل النموذج {self.model_name} بنجاح من ملف محلي.")
                    print(f"   -> عدد الميزات المطلوبة: {len(self.features_in_)}")

        except Exception as e:
            print(f"❌ [Ranker V9.1] فشل فادح في تحميل النموذج {self.model_name}: {e}")
            self.model = None

    def predict_proba(self, features_df: pd.DataFrame) -> np.ndarray:
        """
        التنبؤ باحتمالية "الانطلاقة" (الدرجة 0.0 إلى 1.0) لدفعة من العملات.
        """
        if self.model is None:
            # (الوضع الآمن: إذا لم يتم تحميل النموذج، إرجاع أصفار)
            print("⚠️ [Ranker V9.1] التنبؤ باستخدام 'الوضع الوهمي' (Placeholder). إرجاع 0.0")
            return np.zeros(len(features_df))

        try:
            # (التأكد من أن DataFrame يحتوي على الميزات المطلوبة بنفس الترتيب)
            # (هذا يحمي من أخطاء ترتيب الأعمدة)
            if not all(feature in features_df.columns for feature in self.features_in_):
                print("❌ [Ranker V9.1] خطأ: الميزات المدخلة لا تتطابق مع ميزات النموذج.")
                missing_features = set(self.features_in_) - set(features_df.columns)
                print(f"   -> ميزات مفقودة: {missing_features}")
                return np.zeros(len(features_df))
                
            aligned_df = features_df[self.features_in_]
            
            # (التنبؤ بالاحتمالية - [:, 1] هي احتمالية الفئة "1" (انطلاقة))
            probabilities = self.model.predict(aligned_df)
            
            # (التحقق مما إذا كان النموذج يعيد فئة واحدة أو اثنتين)
            if probabilities.ndim == 2:
                # (الحالة القياسية: [prob_0, prob_1])
                return probabilities[:, 1]
            else:
                # (الحالة الأخرى: يعيد prob_1 فقط)
                return probabilities

        except Exception as e:
            print(f"❌ [Ranker V9.1] خطأ أثناء التنبؤ: {e}")
            # (إرجاع أصفار في حالة الفشل)
            return np.zeros(len(features_df))

print("✅ ML Module: Layer 1 Ranker (V9.1) loaded.")