Create ranker.py

ml_engine/ranker.py

@@ -0,0 +1,110 @@
+# 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.")