机器学习
声明式ML组件DAG — 特征、目标、预处理、验证、模型 — 训练、验证并物化为实时指标。
高级模块
ML管道是声明式组件DAG。训练、验证并将预测物化为派生系列 — 模型成为实时指标，服务时无需重新训练。
后端
管道组件
feature_set 选择列。gerar_lags 创建时间滞后。features_calendario 添加小时/日 (sin/cos)。interagir_colunas 组合特征（比率、积、差）。
target_direcao 用死区分分类 +1/0/-1。target_retorno 连续回归。target_conjunto 多标签分类。target_custom 通过Python脚本标记。
imputar (ffill, bfill, mean, median, constant)。缩放器：zscore、minmax、robust、maxabs。winsorize 按分位数裁剪异常值。reduzir_pca 降维。selecionar_correlacao / selecionar_variancia 筛选特征。
holdout 简单时间分割。purged_kfold K-fold带禁运（防止泄漏）。walk_forward 扩展或滚动。custom 通过Python脚本分区。
modelo 用后端训练。modelo_custom 通过Python脚本训练。otimizar_hiperparametros grid或random search通过交叉验证。
prever 物化预测到 ct://derived/name_pred。aplicar_modelo 将训练好的模型应用于系列无需重新训练 — 模型作为实时指标。avaliar 通过Python脚本计算自定义指标。
经济评估
管道可选地对物化预测运行 teste de sobrevivência。默认：预测为正时做多，预测为负时做空。可提供自定义Rhai策略。