# 深度學習介紹 Project 4 - FINAL PROJECT- Kaggle G-Research Crypto Forecastin
###### tags: `深度學習介紹`
- URL: https://www.kaggle.com/c/g-research-crypto-forecasting/overview/code-requirements
## 目標
預測 14 種流行加密貨幣的短期回報
## 評估標準
提交的評估是根據 Pearson 相關係數的加權版本進行。這可以在本教程筆記本的“[預測詳細信息和評估](https://www.kaggle.com/cstein06/tutorial-to-the-g-research-crypto-competition)”部分找到更多詳細信息。

您必須使用提供的 python 時間序列 API 提交本次比賽，以確保模型不會及時向前看。要使用 API，請遵循 Kaggle Notebooks 中的此模板：

import gresearch_crypto
env = gresearch_crypto.make_env()   # initialize the environment
iter_test = env.iter_test()    # an iterator which loops over the test set and sample submission
for (test_df, sample_prediction_df) in iter_test:
    sample_prediction_df['Target'] = 0  # make your predictions here
    env.predict(sample_prediction_df)   # register your predictions

[此處](https://www.kaggle.com/sohier/detailed-api-introduction)提供了對上方的 API 有更詳細介紹。
如果提交的內容包含空值或無窮大，將收到錯誤消息。

## 程式碼需求
需要透過 Kaggle Notebooks 來"提交"參賽結果，提交文件必須命名 `submission.csv`

## 排行榜說明
公共排行榜目標是公開可用的，並作為比賽數據集的一部分提供。期待看到很多人為了好玩而提交完美的提交。

因此，**本次比賽的公共排行榜沒有意義**，僅為任何想要測試其代碼的人提供便利。最終的私人排行榜將使用提交期結束後收集的真實市場數據確定。

## 資料格式
該數據集包含有關多種加密資產（例如比特幣和以太坊）的歷史交易的信息。您的挑戰是預測他們未來的回報。

由於歷史加密貨幣價格不是機密，這將是使用時間序列 API 的預測競爭。
### 文件
- train.csv - 訓練集
- `timestamp` - 時間戳，以 1 分鐘為單位。
- `Asset_ID` - 加密資產的 ID 代碼。
- `Count` - 這一分鐘發生的交易數量。
- `Open` - 此分鐘開始時的美元價格。
- `High` - 一分鐘內最高的美元價格。
- `Low` - 一分鐘內最低的美元價格。
- `Close` - 此分鐘結束時的美元價格。
- `Volume` - 一分鐘內交易的加密資產單位數量。
- `VWAP` - 一分鐘的成交量加權平均價格。
- `Target`- 15 分鐘剩餘收益。有關如何計算目標的詳細信息，請參閱本筆記本的“[預測和評估](https://www.kaggle.com/cstein06/tutorial-to-the-g-research-crypto-competition)”部分。
- example_test.csv - 有關於時間序列 API 將提供的資料範例。
- example_sample_submission.csv - 有關於時間序列 API 將提供的資料範例。資料只是從train.csv 複製的。
- asset_details.csv - 提供 Asset_ID 中，每個加密資產的真實名稱，以及每個加密資產在指標中收到的權重。
- gresearch_crypto - 可用於線下工作的時間序列 API 文件的未優化版本。您可能需要 Python 3.7 和 Linux 環境才能運行它而不會出錯。
- Supplemental_train.csv - 提交期結束後，此文件的資料將替換為提交期的加密資產價格。在評估階段，除了任何缺失的數據外，訓練、訓練補充和測試集在時間上都是連續的。當前副本，它剛剛填充了大約來自train.csv 的正確數據量，並作為佔位符提供。
### 時間序列 API 詳細信息
- 有關如何完成提交的範例，請參閱[時間序列介紹筆記本](https://www.kaggle.com/sohier/detailed-api-introduction)。時間序列 API 與之前的比賽相比有所改變！
- 預計會在測試集中看到大約三個月的資料。在比賽的預測階段之前，API 只會提供一部分訓練資料。
- 初始化後，API 將需要 0.5 GB 的內存。初始化步驟 ( env.iter_test()) 將需要比這更多的內存；我們建議您在調用之前不要加載模型。該 API 還將消耗不到 30 分鐘的運行時間來加載和提供資料。
- API 使用以下類型加載數據：Asset_ID：`int8`，Count：`int32`，row_id：`int32`，Count：`int32`，Open：`float64`，High：`float64`，Low：`float64`，Close：`float64`，Volume：`float64`，VWAP：`float64`

## 深度期末報告要求
1. 在 **2022/01/13** 有 10 分鐘的專題報告
- 報告需包含 data preprocessing、 model architecture、performance analysis
2. 在 **2022/01/19** 需提交約 10 頁的簡短報告
- 需說明重要關鍵(Be concise in your report!)：
- data pre-processing
- model
- code
- model training
- the name and ranking of your team in Kaggle
- 不能提交 01/13 的簡報，否則報告成績 0 分。
- 不允許遲交
3. 在 **2022/01/19** 前，每個隊員需分別給 TA 發郵件，描述其他每位隊員的貢獻（0 到 5 分，其中 0 代表完全沒有貢獻，5 代表顯著貢獻）。

## 2021_12_30 開會
### 預期討論項目
1. [ ] 工作分配
- 選擇幾個 [Code](https://www.kaggle.com/c/g-research-crypto-forecasting/code) 來做學習。
- 選出下次會議主持，並準備下期開會的事項。
2. [x] 行程表規劃
- 到 1/13 前尚有 2 周的時間，範圍 12/30 ~ 1/12
- | 事項 | 日程 |
| ------------- | -------- |
| 前處理+建構模型| 12/30 (線下)|
|討論模型的改進|1/6 下午4(線下)|
| 寫 Slide 報告與分配報告 |1/12 早上9~下午4(線下)|
| 寫簡短報告(10頁) | 1/18(線上) |
- 1/13 上台報告，需在 1/6 ~ 1/11 前完成 Slide
- 1/19 前報告，需在 1/13 ~ 1/18 前完成 10 頁的簡短報告
3. [x] 討論實驗平台
- [ ] Colab
- [X] Kaggle Notebook
- [ ] 個人 PC
4. [x] 討論程式碼存放平台
- [X] Hackmd (是否創建一個私人團隊)
- Google Drive
- Github

### 會議記錄
(待補)

### 下次開會前
1. 學習 [Tutorial to the G-Research Crypto Competition](https://www.kaggle.com/cstein06/tutorial-to-the-g-research-crypto-competition#Dataset-description) 來入門這次的比賽。
2. 閱讀 [Detailed API Introduction](https://www.kaggle.com/sohier/detailed-api-introduction) 來了解 API 的使用。
3. 參考 Kaggle 上幾個 [Code](https://www.kaggle.com/c/g-research-crypto-forecasting/code) 來做此次作業。
- 挑選一個有關於老師上課時有用的模型來學習
- 下次開會時，需介紹所使用的模型，並用做團隊內的比較，挑選好的模型
4. 讀 https://www.kaggle.com/justinus/crypto-buys-prediction-using-rnn-model
5. https://github.com/monchewharry/Crypto_Forecasting_kaggle

### 下次開會時間
- 時間: 2022/01/6 16:00:00
- 地點: 同先前