Global scaling, normalized MAE, saved models and marimo workflow

DECODE_Reimplementation.ipynb

@@ -5,7 +5,7 @@
    "id": "bdb90c6a",
    "metadata": {},
    "source": [
-    "# DECODE Paper Re-implementation\n",
+    "# DECODE Paper Re-implementation (marimo-compatible)\n",
     "\n",
     "Notebook wrapper này chạy lại pipeline theo paper DECODE trên dữ liệu local I-BLEND. Logic chính nằm trong `scripts/decode_reimplementation.py`.\n",
     "\n",
@@ -158,9 +158,9 @@
    "id": "quick_smoke_md",
    "metadata": {},
    "source": [
-    "## 2. Quick Smoke Test\n",
+    "## 2. Full-data policy\n",
     "\n",
-    "Chạy nhanh một building với 20,000 dòng để kiểm tra pipeline, LightGBM feature importance và PyTorch GPU."
+    "Không chạy smoke test và không cắt 20,000 dòng. Mọi case bên dưới dùng toàn bộ dữ liệu, global Min-Max scaler fit trên train partitions của tất cả tòa nhà, lưu model/scaler và xuất full-series predictions. Với marimo, mở `DECODE_marimo.py`; notebook này vẫn dùng Python thuần và không dùng IPython magic."
    ]
   },
   {
@@ -170,15 +170,7 @@
    "metadata": {},
    "outputs": [],
    "source": [
-    "subprocess.run([\n",
-    "    sys.executable, SCRIPT_PATH,\n",
-    "    \"--mode\", \"paper_buildings\",\n",
-    "    \"--target\", \"Academic\",\n",
-    "    \"--max-rows\", \"20000\",\n",
-    "    \"--epochs\", \"5\",\n",
-    "    \"--batch-size\", \"64\",\n",
-    "    \"--dl-models\", \"lstm\",\n",
-    "], check=True, env=TRAIN_ENV)"
+    "print('Full-data mode enabled: no --max-rows / smoke test')"
    ]
   },
   {
@@ -491,4 +483,4 @@
  },
  "nbformat": 4,
  "nbformat_minor": 5
-}
+}