Update ml_engine/ranker.py

ml_engine/ranker.py

@@ -1,110 +1,62 @@
-# ml_engine/ranker.py (V9.1 - Layer 1 Smart Ranker)
+# ml_engine/ranker.py (V11.1 - Layer 1 Smart Ranker with Memory Management)
 import pandas as pd
 import numpy as np
 import os
+import gc # استيراد لجمع القمامة
 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")
+    print("❌❌ [Ranker] مكتبة 'lightgbm' غير موجودة.")
     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.")
-            
+    def __init__(self, model_path: str = "ml_models/layer1_ranker.lgbm"):
+        if not LGBM_AVAILABLE: raise ImportError("lightgbm required")
         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)
+        self.features_in_ = None
 
     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}...")
+        """تحميل النموذج من الملف المحلي"""
+        print(f"🔄 [Ranker] تحميل {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_)}")
-
+            if os.path.exists(self.model_path):
+                self.model = lgb.Booster(model_file=self.model_path)
+                self.features_in_ = self.model.feature_name()
+                print(f"✅ [Ranker] تم تحميل النموذج بنجاح ({len(self.features_in_)} features).")
+            else:
+                print(f"❌ [Ranker] ملف النموذج غير موجود: {self.model_path}")
+                self.model = None
         except Exception as e:
-            print(f"❌ [Ranker V9.1] فشل فادح في تحميل النموذج {self.model_name}: {e}")
+            print(f"❌ [Ranker] فشل تحميل النموذج: {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))
-
+        """التنبؤ باحتمالية الصعود"""
+        if self.model is None: 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_]
+            # التأكد من ترتيب الأعمدة
+            if not all(f in features_df.columns for f in self.features_in_):
+                # محاولة تعبئة الميزات المفقودة بأصفار إذا لزم الأمر
+                for f in self.features_in_:
+                    if f not in features_df.columns: features_df[f] = 0.0
             
-            # (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
-
+            aligned_df = features_df[self.features_in_]
+            return self.model.predict(aligned_df)
         except Exception as e:
-            print(f"❌ [Ranker V9.1] خطأ أثناء التنبؤ: {e}")
-            # (إرجاع أصفار في حالة الفشل)
+            print(f"❌ [Ranker] خطأ التنبؤ: {e}")
             return np.zeros(len(features_df))
 
-print("✅ ML Module: Layer 1 Ranker (V9.1) loaded.")
+    # 🔴 دالة جديدة لتنظيف الذاكرة
+    def clear_memory(self):
+        """تحرير نموذج LightGBM من الذاكرة"""
+        self.model = None
+        self.features_in_ = None
+        gc.collect()
+        print(f"🧹 [Ranker] تم تحرير النموذج من الذاكرة.")
+
+print("✅ ML Module: Layer 1 Ranker V11.1 (Memory Managed) loaded.")