Update model_predictor.py

model_predictor.py

@@ -1,13 +1,15 @@
-# model_predictor.py (修正版)
 import xgboost as xgb
 import pandas as pd
+import numpy as np
 
 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)
 
@@ -17,27 +19,80 @@ class XGBoostModel:
                 
         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)
-
-        # 【【【主要修正點】】】
-        # 根據錯誤日誌推斷，當輸入只有一筆時，`predictions` 是一個一維陣列，
-        # 例如 [pred_t0, pred_t5, pred_t10, pred_t20]。
-        # 我們應該用 predictions[0], predictions[1] 的方式來取值，而不是 predictions[0][0]。
-        result = {
-            'Close_t0_pred': predictions[0],
-            'Close_t5_pred': predictions[1],
-            'Close_t10_pred': predictions[2],
-            'Close_t20_pred': predictions[3]
-        }
+        
+        # 調試：印出預測結果的形狀和內容
+        print(f"預測結果形狀: {predictions.shape}")
+        print(f"預測結果類型: {type(predictions)}")
+        print(f"預測結果內容: {predictions}")
+        
+        # 處理不同的輸出格式
+        try:
+            # 情況1: 如果是二維陣列且有4個預測值 (原始期望格式)
+            if len(predictions.shape) == 2 and predictions.shape[1] == 4:
+                result = {
+                    'Close_t0_pred': float(predictions[0][0]),
+                    'Close_t5_pred': float(predictions[0][1]),
+                    'Close_t10_pred': float(predictions[0][2]),
+                    'Close_t20_pred': float(predictions[0][3])
+                }
+                
+            # 情況2: 如果是一維陣列且有4個預測值
+            elif len(predictions.shape) == 1 and len(predictions) == 4:
+                result = {
+                    'Close_t0_pred': float(predictions[0]),
+                    'Close_t5_pred': float(predictions[1]),
+                    'Close_t10_pred': float(predictions[2]),
+                    'Close_t20_pred': float(predictions[3])
+                }
+                
+            # 情況3: 如果只有一個預測值（單一輸出模型）
+            elif len(predictions.shape) == 1 and len(predictions) == 1:
+                # 假設這個預測值代表最近期的預測，其他用相同值
+                pred_value = float(predictions[0])
+                result = {
+                    'Close_t0_pred': pred_value,
+                    'Close_t5_pred': pred_value,
+                    'Close_t10_pred': pred_value,
+                    'Close_t20_pred': pred_value
+                }
+                
+            # 情況4: 如果是標量（單一數值）
+            elif np.isscalar(predictions):
+                pred_value = float(predictions)
+                result = {
+                    'Close_t0_pred': pred_value,
+                    'Close_t5_pred': pred_value,
+                    'Close_t10_pred': pred_value,
+                    'Close_t20_pred': pred_value
+                }
+                
+            else:
+                # 其他情況：嘗試使用第一個預測值
+                pred_value = float(predictions.flatten()[0])
+                result = {
+                    'Close_t0_pred': pred_value,
+                    'Close_t5_pred': pred_value,
+                    'Close_t10_pred': pred_value,
+                    'Close_t20_pred': pred_value
+                }
+                
+        except (IndexError, TypeError) as e:
+            raise ValueError(f"無法解析模型輸出格式。預測結果: {predictions}, 錯誤: {e}")
+            
         return result