# 01/06 開會紀錄
###### tags: `開會紀錄`
## 前期進度
- 這是 Regression task，要預測 Target
- gresearch_crypto API 會吐出 `test_df`, `sample_prediction_df`
- 用 `test_df` 丟入模型預測，產生結果放入 `sample_prediction_df['Target']`
- 接著再 `env.predict(sample_prediction_df)` 後又會有 `test_df`, `sample_prediction_df`
- 不斷做到 API 不再吐為止
## 本期進度
- [官方的版本](https://www.kaggle.com/cstein06/tutorial-to-the-g-research-crypto-competition/notebook)
- NaN 填 0
- 訓練與測試都是一個月
- 用當前資訊預測，此次 Target
- 有用 StandardScaler 紀錄標準化參數
- 用到的特徵有 `VWAP(前五次)`、`VWAP(前一次)`、`High-Close`、`min(High,Close)-Low`
- 沒有看到用相似度來填補 missing value
- 這邊添補 missing value 的方法
- `btc = btc.reindex(range(btc.index[0],btc.index[-1]+60,60),method='pad')`
- `X_btc_train = X_btc.loc[train_window[0]:train_window[1]].fillna(0).to_numpy() # filling NaN's with zeros`
- [Crypto Buys Prediction using RNN Model](https://www.kaggle.com/justinus/crypto-buys-prediction-using-rnn-model) 版本
- 刪除缺失值
- 僅挑無太多缺失的時間範圍
- 用到的特徵有 `each Crypto's Opens`、`each Crypto's Closes`
- 計算出 `Future(從前 3 個 Close 取得)` 特徵，並比較 `Close` 之間的大小判斷出 `Buy`(要買不買)
- 使用 60 筆 periods 特徵(有`each Crypto's Opens`、`each Crypto's Closes` 與 `某 Crypto's Future`)來預測下一個 period 的某 Crypto's `Buys`
- ... (待人補通)
## 本期討論
1. 探討上面兩個版本是否可用
2. 討論缺失值的填補方法
* 刪整行
* 補值(照官方補index方法)
* ~~前後均值~~
- [x] 上一個值
- `.fillna(method='ffill')`
- [ ] 前範圍平均
* 觀察最大缺失範圍
- [ ] 插值法 (找周圍插值)
- `.interpolate()`
4. 使用的時間範圍
* 補完60同貨幣的最近100000筆
5. model 格式
* api 每iter給: 1個timestep x 14 coin
* example_test.csv
* 輸出: 全部iter x 14 coin的target
* example_sample_submission.csv
7.
## 下回目標
* 1/7(五) 9:00 pm 討論
* 前處理補缺值、timeseries、all features、train/test set