Delete predictor_logic.py

predictor_logic.py

@@ -1,65 +0,0 @@
-import pandas as pd
-import xgboost as xgb
-import os
-
-# 定義一個類別來封裝模型載入和預測邏輯
-class StockPredictor:
-    """
-    這個類別負責載入模型和資料，並提供預測方法。
-    """
-    def __init__(self, model_path="xgboost_model.json", data_path="期末專案輸入資料20220912-20250909.xlsx"):
-        """
-        初始化預測器物件，載入模型和資料集。
-        可接受無引數，自動帶入預設路徑檔名。
-        """
-        if not os.path.exists(model_path):
-            raise FileNotFoundError(f"找不到模型檔案: {model_path}")
-        if not os.path.exists(data_path):
-            raise FileNotFoundError(f"找不到資料檔案: {data_path}")
-
-        self.model = xgb.XGBRegressor()
-        self.model.load_model(model_path)
-        self.historical_df = pd.read_excel(data_path)
-
-        # 確保 '日期' 欄位是 datetime 格式
-        self.historical_df['日期'] = pd.to_datetime(self.historical_df['日期'], format='%Y%m%d')
-
-        # 確保欄位名稱正確
-        self.historical_df.rename(columns={
-            '加權指\n數開盤': 'Open',
-            '加權指\n數最高': 'High',
-            '加權指\n數最低': 'Low',
-            '加權指\n數收盤': 'Close',
-            '加權指數\n成交量': 'Volume'
-        }, inplace=True)
-
-    def predict(self, date_str):
-        """
-        輸入一個日期字串，自動抓取前一筆資料進行預測。
-        返回預測結果。
-        """
-        # 將輸入日期轉換為 datetime 物件
-        pred_date = pd.to_datetime(date_str)
-        
-        # 尋找使用者輸入日期在資料集中的位置
-        current_row_index = self.historical_df[self.historical_df['日期'] == pred_date].index
-        
-        if current_row_index.empty:
-            raise ValueError("找不到您輸入日期所對應的資料。")
-
-        # 取得前一筆資料的索引
-        prev_data_index = current_row_index[0] - 1
-
-        if prev_data_index < 0:
-            raise ValueError("資料集沒有前一筆資料可以進行預測。")
-
-        # 抓取前一筆資料
-        selected_row = self.historical_df.iloc[[prev_data_index]]
-        
-        # 準備模型輸入
-        input_data = selected_row[['Open', 'High', 'Low', 'Volume']].values
-        
-        # 進行預測，模型需要二維陣列的輸入
-        predicted_price = self.model.predict(input_data.reshape(1, -1))[0]
-        
-        return predicted_price