calcul model sur bouton

README.md

@@ -42,4 +42,44 @@ ydata-profiling : https://github.com/ydataai/ydata-profiling
 
         profile = ProfileReport(dataframe, tsmode=True, sortby="date", title="Time-Series EDA")
 
-        profile.to_file("report_timeseries.html")
+        profile.to_file("report_timeseries.html")
+        
+        
+📉 Erreur moyenne absolue : 308.9832
+Il s'agit de la MAE (Mean Absolute Error), une métrique d'évaluation de ton modèle.
+
+MAE = moyenne des distances absolues entre les prédictions et les vraies valeurs.
+
+Une MAE de 308.98 signifie qu'en moyenne, les prédictions du modèle s'écartent de ~309 unités de la valeur réelle.
+
+Cela peut être acceptable ou énorme selon l'échelle de ta variable cible. Si tu prédis des prix en crypto à 60 000 USD, c'est relativement faible. Si tu prédis des variations de 0.5, c’est catastrophique.
+
+🧠 Architecture du modèle
+C’est un modèle Sequential avec 3 couches Dense (fully connected) :
+
+Couche	Sortie	Paramètres
+dense	(None, 64)	320
+dense_1	(None, 32)	2,080
+dense_2	(None, 1)	33
+
+✳️ Détails :
+(None, 64) signifie : nombre d'exemples non spécifié (None), chaque exemple produit un vecteur de 64.
+
+Param # = nombre de poids (W) + biais (b) à apprendre.
+
+Par exemple : dense_1 a 64 entrées et 32 sorties → (64 * 32) + 32 = 2080
+
+🧮 Total :
+Paramètres totaux : 7 301 (dont certains sont utilisés pour l’optimiseur)
+
+Trainables : 2 433 paramètres que le modèle ajuste lors de l’entraînement
+
+Non-trainables : aucun ici (souvent présents avec des couches gelées ou embeddings fixes)
+
+
+### Netron
+
+/home/jerome/.local/bin/netron -p 5000 --host 127.0.0.1 /home/jerome/Perso/freqtradeDocker/user_data/reports/model.h5
+Serving '/home/jerome/Perso/freqtradeDocker/user_data/reports/model.h5' at http://127.0.0.1:5000
+
+