model_predictor.py

import xgboost as xgb
import pandas as pd

class XGBoostModel:
    # 使用類別變數儲存所有可用的模型名稱及其對應的檔案名稱
    MODELS = {
        'xgboost_model': 'xgboost_model.json'
    }

    def __init__(self, default_model='xgboost_model'):
        # 建立物件時，自動載入預設模型
        self.current_model_name = default_model
        self.model = self._load_model(self.current_model_name)

    def _load_model(self, model_name):
        if model_name not in self.MODELS:
            raise ValueError(f"找不到模型 '{model_name}'。可用的模型名稱：{list(self.MODELS.keys())}")
                
        filename = self.MODELS[model_name]
        try:
            # 建立一個新的 XGBoost 模型實例
            model = xgb.XGBRegressor()
            # 使用 XGBoost 內建的 load_model 方法載入檔案
            model.load_model(filename)
            return model
        except Exception as e:
            raise FileNotFoundError(f"無法在本地找到或載入模型檔案 '{filename}'：{e}")

    def predict(self, model_name, input_df):
        # 如果請求的模型名稱與目前載入的不同，則動態載入
        if model_name != self.current_model_name:
            self.model = self._load_model(model_name)
            self.current_model_name = model_name
        
        # 進行預測
        predictions = self.model.predict(input_df)

        # 將預測結果轉換為字典
        result = {
            'Close_t0_pred': predictions[0][0],
            'Close_t5_pred': predictions[0][1],
            'Close_t10_pred': predictions[0][2],
            'Close_t20_pred': predictions[0][3]
        }
        return result