private void btnOK_Click(object sender, EventArgs e)
{
if (tbxCsvFilePath.Text == "" || cmbPreprocess.SelectedIndex < 0 || tbxNumInputNode.Text == "" || tbxTrainingRatio.Text == "")
{
MessageBox.Show("Error: You must fill all required inputs!", "Error", MessageBoxButtons.OK, MessageBoxIcon.Error);
return;
}
//1. Đọc dữ liệu từ file .csv vào mảng và tiền xử lý
StockRecordBUS stockRecordBUS = new StockRecordBUS();
StockRecordDTO stockRecordDTO = stockRecordBUS.LoadData(tbxCsvFilePath.Text);
double[] dblSource = new double[stockRecordDTO.Entries.Count];
int i = 0;
foreach (EntryDTO entryDTO in stockRecordDTO.Entries)
{
dblSource[i] = entryDTO.ClosePrice;
i++;
}
PreprocessBUS preprocessBUS = new PreprocessBUS();
#region Phần riêng
if (rdPricePrediction.Checked)//Dự đoán giá
{
if (rdSVR.Checked)//Mô hình SVR
{
if (cmbPreprocess.SelectedItem.ToString() == "ScaleByMinMax")
{
preprocessBUS.FindMinMax(dblSource);
dblSource = preprocessBUS.PreprocessByMinMax(dblSource);
}
}
else//Mô hình ANN
{
if (cmbPreprocess.SelectedItem.ToString() == "ScaleByMinMax")
{
preprocessBUS.FindMinMax(dblSource);
dblSource = preprocessBUS.PreprocessByMinMax(dblSource);
}
}
}
else//Dự đoán xu hướng
{
if (rdSVR.Checked)//Mô hình SVR
{
if (cmbPreprocess.SelectedItem.ToString() == "Return[-1,1]")
{
dblSource = preprocessBUS.Scale_SVR_Return(stockRecordDTO.Entries.Count, dblSource, 1, 1);
}
}
else//Mô hình ANN
{
if (cmbPreprocess.SelectedItem.ToString() == "Return[-1,1]")
{
dblSource = preprocessBUS.Scale_SVR_Return(stockRecordDTO.Entries.Count, dblSource, 1, 1);
}
}
}
#endregion
//2. Chuyển sang định dạng của LibSVM (dựa vào số node đầu vào)
ConverterBUS converter = new ConverterBUS();
int iPos = tbxCsvFilePath.Text.LastIndexOf('\\');
string strFolderPath = tbxCsvFilePath.Text.Remove(iPos+1);
string strTotalFile = strFolderPath + stockRecordDTO.ID + ".txt";
int iNumInputNode = Convert.ToInt32(tbxNumInputNode.Text);
int numDaysPredicted = 1;
int iNumLine = 0;
if (cmbPreprocess.SelectedItem.ToString() == "Return[-1,1]")
{
if (int.TryParse(tbxNumDaysPredicted.Text,out numDaysPredicted))
{
converter.ConvertForTrend(int.Parse(tbxNumDaysPredicted.Text), iNumInputNode, dblSource, strTotalFile, out iNumLine, 2, false);
}
else
{
MessageBox.Show("Please enter a number");
return;
}
}
else
{
if(ckbImproveDirection.Checked)
{
double dblTrainPercent = Convert.ToDouble(tbxTrainingRatio.Text);
converter.ConvertWImprovedDirection(iNumInputNode, dblSource, strTotalFile, dblTrainPercent, out iNumLine);
}
else
{
converter.Convert(iNumInputNode, dblSource, strTotalFile, out iNumLine);
}
}
//3. Từ file chứa toàn bộ dữ liệu ta phân phối vào 2 file train và test (dựa vào tỉ lệ bộ train)
string strTrainFile = strFolderPath + stockRecordDTO.ID + "_" + numDaysPredicted + "_train.txt";
string strTestFile = strFolderPath + stockRecordDTO.ID + "_" + numDaysPredicted + "_test.txt";
StreamReader reader = new StreamReader(strTotalFile);
StreamWriter trainWriter = new StreamWriter(strTrainFile);
StreamWriter testWriter = new StreamWriter(strTestFile);
//Ghi phương thức xử lý vào dòng đầu tiên của file test
//Mục đích là để ta có thể chuyển về dữ liệu nguyên thủy
testWriter.WriteLine(cmbPreprocess.SelectedItem.ToString() + " " + preprocessBUS.Min.ToString() + " " + preprocessBUS.Max.ToString());
double dblTrainingSetRatio = Convert.ToDouble(tbxTrainingRatio.Text);
//int iBound = numDaysPredicted > iNumInputNode ? 2 * numDaysPredicted : numDaysPredicted + iNumInputNode;
//int iNumLine = dblSource.Length - iBound + 1;
int iDivideLine = (int)(dblTrainingSetRatio * iNumLine/100);
for (i = 0; i < iDivideLine; i++)
{
string strLine = reader.ReadLine();
trainWriter.WriteLine(strLine);
}
for (; i < iNumLine; i++)
{
string strLine = reader.ReadLine();
testWriter.WriteLine(strLine);
}
testWriter.Close();
trainWriter.Close();
reader.Close();
MessageBox.Show("Finish!");
}
//Giá trị trả về là giá dự đoán
public double TrainAndPredict(bool isSVR)
{
double[][] dblActual_Forecast = null;
#region Phần chung
//1. Lấy đoạn dữ liệu cần thiết
double[] dblData = PickNeededData();
//2. Tiền xử lý
PreprocessBUS preprocessBUS = new PreprocessBUS();
if (Preprocess == "ScaleByMinMax")
{
preprocessBUS.FindMinMax(dblData);
dblData = preprocessBUS.PreprocessByMinMax(dblData);
}
ConverterBUS converter = new ConverterBUS();
int iNumLine = 0;
if(ImprovedDirection)
{
converter.ConvertWImprovedDirection(NumInputNode, dblData, "Training.txt", 100, out iNumLine);
}
else
{
converter.Convert(NumInputNode, dblData, "Training.txt", out iNumLine);
}
//Tạo file test. File test này chỉ có 2 dòng:
//+Dòng 1: Chứa thông tin tiền xử lý
//+Dòng 2: Giống như 1 dòng của file training, nhưng giá trị đích không biết (để bằng 0)
StreamWriter writer = new StreamWriter("Test.txt");
if (Preprocess == "ScaleByMinMax")
{
writer.WriteLine("ScaleByMinMax " + preprocessBUS.Min.ToString() + " " + preprocessBUS.Max.ToString());
}
string strLine = "0 ";
for (int i = 0; i < NumInputNode; i++)
{
strLine = strLine + (i+1).ToString() + ":" + dblData[TrainingSize - NumInputNode + i].ToString() + " ";
}
writer.WriteLine(strLine);
writer.Close();
#endregion
#region Phần riêng
//3. Huấn luyện và dự đoán
#region SVR
if (isSVR == true) //SVR
{
string[] strArgs = new string[8];
strArgs[0] = "-g"; //gama. Trong hàm Gauss kernel: exp(-gamma*|u-v|^2)
strArgs[2] = "-c";
strArgs[4] = "-p"; //epsilon
strArgs[6] = "Training.txt";
strArgs[7] = "SVRModel.txt";
//Tìm bộ tham số (gama, c, epsilon)
svm_modelSelection modelSelection = new svm_modelSelection();
modelSelection.Log = false;
string[] strArgsModel = new string[4];
strArgsModel[0] = "-v";
strArgsModel[1] = NumFold;
strArgsModel[2] = "Training.txt";
strArgsModel[3] = "SVRModel.txt";
if (ModelSelection == "Grid search")
{
modelSelection.Run(strArgsModel, "", true, TrainingMeasure, CrossValidationType);
strArgs[1] = modelSelection.Y.ToString(); //gama
strArgs[3] = modelSelection.X.ToString(); //c
strArgs[5] = modelSelection.Z.ToString(); //epsilon
//Huấn luyện
svm_train.Main(strArgs);
//Dự đoán
strArgs = new string[3];
strArgs[0] = "Test.txt";
strArgs[1] = "SVRModel.txt";
strArgs[2] = "Prediction.txt";
dblActual_Forecast = svm_predict.MainProcess(strArgs);
}
else if(ModelSelection == "Pattern search")
{
const int iNumModel = 10;
for (int i = 0; i < iNumModel; i++)
{
modelSelection = new svm_modelSelection {Log = false};
strArgsModel[3] = "SVRModel" + i + 1 + ".txt";
modelSelection.Run(strArgsModel, "", false, TrainingMeasure, CrossValidationType);
strArgs[1] = (Math.Pow(2, modelSelection.Y)).ToString(); //gama
strArgs[3] = (Math.Pow(2, modelSelection.X)).ToString(); //c
strArgs[5] = (Math.Pow(2, modelSelection.Z)).ToString(); //epsilon
strArgs[7] = "SVRModel" + i + 1 + ".txt";
//Huấn luyện
svm_train.Main(strArgs);
}
//Dự đoán
double[][][] dblTemp = new double[iNumModel][][];
dblActual_Forecast = new double[2][];
dblActual_Forecast[0] = new double[]{0};
dblActual_Forecast[1] = new double[]{0};
for (int i = 0; i < iNumModel; i++)
{
strArgs = new string[3];
strArgs[0] = "Test.txt";
strArgs[1] = "SVRModel" + i + 1 + ".txt";
strArgs[2] = "Prediction.txt";
dblTemp[i] = svm_predict.MainProcess(strArgs);
dblActual_Forecast[1][0] += dblTemp[i][1][0];
}
dblActual_Forecast[1][0] /= iNumModel;
}
}
#endregion
#region ANN
else //ANN
{
//Huấn luyện
ANNParameterBUS.InputNode = NumInputNode;
ANNModelBUS.AnnModelFile = "ANNModel.txt";
ANNTrainBUS annTrain = new ANNTrainBUS();
annTrain.LoadDataSet("Training.txt");
annTrain.Main();
//Dự đoán
ANNParameterBUS.LoadParameter();
ANNPredictBUS annPredict = new ANNPredictBUS();
annPredict.LoadDataSet("Test.txt");
dblActual_Forecast = annPredict.MainProcess();
}
#endregion
#endregion
return dblActual_Forecast[1][0]; //Giá dự đoán
}
