Prédictions de prix des crypto-monnaies à l'aide de l'apprentissage automatique et de l'API CoinGecko

In this blog post, we delve into cryptocurrency price prediction using CoinGecko API and machine learning – the ability to learn patterns from data and make informed predictions. 

Dans cet article de blog, nous approfondissons la prévision des prix des crypto-monnaies à l’aide de l’API CoinGecko et de l’apprentissage automatique – la capacité d’apprendre des modèles à partir des données et de faire des prédictions éclairées.

Level of Functionality

We'll first examine the key functionalities of our Python program:

Niveau de fonctionnalitéNous examinerons d'abord les fonctionnalités clés de notre programme Python :

• Fetching Data: The program fetches real-time and historical data from the CoinGecko API. This includes the current market data, historical data, and OHLC (Open, High, Low, Close) data for a specific coin.
• Data Processing: The program processes the fetched data to prepare it for the machine learning model. This includes selecting relevant features, scaling the data, and formatting it into the appropriate shape.
• Machine Learning Model: The program uses a Linear Regression model from the Scikit-learn library to learn from the processed data.
• Price Prediction: The program uses the trained model to predict future prices of the selected cryptocurrency.
• Displaying Predictions: The program displays the predicted prices to the user in a simple and intuitive web interface. The user can select a coin and the number of days for which they want to predict prices, and the program will display the predictions in a table.
• User Interaction: The program provides an interactive form for the user to input their preferences. It also handles invalid inputs gracefully by displaying an error message.
• Security Measures: The program ensures the security of sensitive data such as API keys and private keys. It uses secure connections and encrypts sensitive data.

Which machine learning model is best for crypto price prediction?

Among the various machine learning models for crypto price prediction, the Linear Regression model is most optimal for predicting crypto prices because it is simple to understand and implement, and works well with linearly separable data. This model assumes a linear relationship between the input variables (independent variables) and a single output variable (dependent variable).

Récupération de données : le programme récupère des données en temps réel et historiques à partir de l'API CoinGecko. Cela inclut les données actuelles du marché, les données historiques et les données OHLC (Open, High, Low, Close) pour une pièce spécifique. Traitement des données : le programme traite les données récupérées pour les préparer au modèle d'apprentissage automatique. Cela inclut la sélection des fonctionnalités pertinentes, la mise à l'échelle des données et leur formatage dans la forme appropriée. Modèle d'apprentissage automatique : le programme utilise un modèle de régression linéaire de la bibliothèque Scikit-learn pour apprendre à partir des données traitées. Prédiction des prix : le programme utilise les personnes formées. modèle pour prédire les prix futurs de la crypto-monnaie sélectionnée. Affichage des prévisions : le programme affiche les prix prévus à l'utilisateur dans une interface Web simple et intuitive. L'utilisateur peut sélectionner une pièce et le nombre de jours pour lesquels il souhaite prédire les prix, et le programme affichera les prévisions dans un tableau. Interaction utilisateur : Le programme fournit un formulaire interactif permettant à l'utilisateur de saisir ses préférences. Il gère également les entrées non valides avec élégance en affichant un message d'erreur. Mesures de sécurité : le programme garantit la sécurité des données sensibles telles que les clés API et les clés privées. Il utilise des connexions sécurisées et crypte les données sensibles. Quel modèle d'apprentissage automatique est le meilleur pour prédire les prix des cryptomonnaies ? Parmi les différents modèles d'apprentissage automatique pour la prévision des prix des cryptomonnaies, le modèle de régression linéaire est le plus optimal pour prédire les prix des cryptomonnaies, car il est simple à comprendre et à mettre en œuvre. , et fonctionne bien avec des données linéairement séparables. Ce modèle suppose une relation linéaire entre les variables d'entrée (variables indépendantes) et une seule variable de sortie (variable dépendante).

When this assumption holds true, Linear Regression can provide a good baseline model for crypto price prediction. However, it’s important to note that crypto prices are influenced by a multitude of factors and may not always exhibit a linear relationship. Therefore, more complex models may sometimes offer better predictive performance. Always remember to validate the assumptions of your model and test its performance using appropriate metrics.

Lorsque cette hypothèse est vraie, la régression linéaire peut fournir un bon modèle de base pour la prévision des prix des cryptomonnaies. Cependant, il est important de noter que les prix des cryptomonnaies sont influencés par une multitude de facteurs et ne présentent pas toujours une relation linéaire. Par conséquent, des modèles plus complexes peuvent parfois offrir de meilleures performances prédictives. N'oubliez jamais de valider les hypothèses de votre modèle et de tester ses performances à l'aide de métriques appropriées.

Prerequisites

Before we start, ensure you have the following:

PrérequisAvant de commencer, assurez-vous d'avoir les éléments suivants :

• Python 3.7 or higher installed on your system. Python is a powerful, easy-to-learn programming language that we will use to build our bot.
• A basic understanding of Python programming. While this guide will be detailed, having a basic understanding of Python syntax and programming concepts will be beneficial.
• A text editor: You will need a text editor or an Integrated Development Environment (IDE) to write your code. Some popular options include Visual Studio Code, Sublime Text, and Atom.
• CoinGecko API (Demo): We will be using CoinGecko API to fetch the market chart data for cryptocurrencies. The CoinGecko API has a free Demo plan accessible to all users with a 30 calls/min rate limit and a monthly cap of 10,000 calls. This guide shows you how to generate your Demo API key.

Do note that the API key used in this guide is a placeholder and not a real API key. Please replace it with your own CoinGecko API key for the code to work.

Python 3.7 ou supérieur installé sur votre système. Python est un langage de programmation puissant et facile à apprendre que nous utiliserons pour créer notre bot. Une compréhension de base de la programmation Python. Bien que ce guide soit détaillé, avoir une compréhension de base de la syntaxe Python et des concepts de programmation sera bénéfique. Un éditeur de texte : vous aurez besoin d'un éditeur de texte ou d'un environnement de développement intégré (IDE) pour écrire votre code. Certaines options populaires incluent Visual Studio Code, Sublime Text et l'API Atom.CoinGecko (démo) : nous utiliserons l'API CoinGecko pour récupérer les données du graphique du marché des crypto-monnaies. L'API CoinGecko propose un plan de démonstration gratuit accessible à tous les utilisateurs avec une limite de débit de 30 appels/min et un plafond mensuel de 10 000 appels. Ce guide vous montre comment générer votre clé API de démonstration. Notez que la clé API utilisée dans ce guide est un espace réservé et non une véritable clé API. Veuillez la remplacer par votre propre clé API CoinGecko pour que le code fonctionne.

The Python Program

The program is a Flask web application. It starts by importing necessary libraries and initializing a Flask app:

Le programme PythonLe programme est une application Web Flask. Cela commence par importer les bibliothèques nécessaires et initialiser une application Flask :

In this section, we’ll break down the Python code for our Cryptocurrency prediction to understand each part and its role in the overall functionality of the predictor:

Dans cette section, nous allons décomposer le code Python de notre prédiction de crypto-monnaie afin de comprendre chaque partie et son rôle dans la fonctionnalité globale du prédicteur :

1. Importing Necessary Libraries and Modules: The program commences by importing the necessary libraries and modules. These include Flask, a micro web framework written in Python that provides tools, technologies, and possibilities for web application development. It also imports requests, a Python module used for making various types of HTTP requests like GET and POST.

   Importation des bibliothèques et modules nécessaires : Le programme commence par importer les bibliothèques et modules nécessaires. Il s'agit notamment de Flask, un framework micro-Web écrit en Python qui fournit des outils, des technologies et des possibilités pour le développement d'applications Web. Il importe également des requêtes, un module Python utilisé pour effectuer différents types de requêtes HTTP telles que GET et POST.

2. Setting Up Flask Application and API Key: The Flask application is set up, creating an instance of the Flask class which is our WSGI application. The API key for accessing the CoinGecko API, a comprehensive cryptocurrency API that provides access to a wide range of data, is defined.

   Configuration de l'application Flask et de la clé API : L'application Flask est configurée, créant une instance de la classe Flask qui est notre application WSGI. La clé API pour accéder à l'API CoinGecko, une API complète de crypto-monnaie qui donne accès à un large éventail de données, est définie.

3. Defining the Main Route: The main route (/) is defined, which supports both GET and POST methods. When a GET request is made, it fetches the list of available coins from the CoinGecko API. This is done by making a GET request to the CoinGecko API endpoint, which returns a list of all available cryptocurrencies.

   Définition de la route principale : la route principale (/) est définie, qui prend en charge les méthodes GET et POST. Lorsqu'une requête GET est effectuée, elle récupère la liste des pièces disponibles depuis l'API CoinGecko. Cela se fait en effectuant une requête GET au point de terminaison de l'API CoinGecko, qui renvoie une liste de toutes les crypto-monnaies disponibles.

4. Handling POST Requests: If a POST request is made, it gets the coin_id and days from the form data. If the coin_id is valid, it calls the get_market_chart function with coin_id and days as parameters. This function fetches the market chart data for the given coin over the specified number of days.

   Gestion des requêtes POST : si une requête POST est effectuée, elle obtient le coin_id et les jours à partir des données du formulaire. Si le coin_id est valide, il appelle la fonction get_market_chart avec coin_id et jours comme paramètres. Cette fonction récupère les données du graphique de marché pour la pièce donnée sur le nombre de jours spécifié.

5. Defining the get_market_chart Function: This function does several things, namely, it calculates the start and end timestamps based on the number of days, fetches the OHLC (Open, High, Low, Close) data for the given coin_id and days, and fetches the historical data for a specific date and the current market data from the CoinGecko API. Next, it prepares the feature matrix X and target vector y for the linear regression model, and scales the data using MinMaxScaler, a feature scaling technique that transforms features by scaling each feature to a given range. Thereafter, it trains the LinearRegression model with X and y and makes predictions using the trained model. It creates a list of dates for the predictions and combines the dates and predictions into a dictionary, and finally, it returns the predictions.

   Définition de la fonction get_market_chart : cette fonction fait plusieurs choses, à savoir, elle calcule les horodatages de début et de fin en fonction du nombre de jours, récupère les données OHLC (Open, High, Low, Close) pour le coin_id et les jours donnés, et récupère le les données historiques pour une date spécifique et les données actuelles du marché de l'API CoinGecko. Ensuite, il prépare la matrice de fonctionnalités X et le vecteur cible y pour le modèle de régression linéaire et met à l'échelle les données à l'aide de MinMaxScaler, une technique de mise à l'échelle des fonctionnalités qui transforme les fonctionnalités en mettant chaque fonctionnalité à l'échelle dans une plage donnée. Ensuite, il entraîne le modèle LinearRegression avec X et y et effectue des prédictions à l'aide du modèle entraîné. Il crée une liste de dates pour les prédictions et combine les dates et les prédictions dans un dictionnaire, et enfin, il renvoie les prédictions.

6. Running the Flask Application: Finally, if the script is run directly, it starts the Flask development server. This server is a built-in, lightweight WSGI web server and provides a quick way to run the application. It is however not recommended for production environments.

   Exécution de l'application Flask : Enfin, si le script est exécuté directement, il démarre le serveur de développement Flask. Ce serveur est un serveur Web WSGI léger et intégré et fournit un moyen rapide d'exécuter l'application. Il n'est cependant pas recommandé pour les environnements de production.

HTML Structure of the Crypto Price Predictons

This application allows users to select a cryptocurrency and a number of days, and then predicts the price of the selected cryptocurrency for the specified number of days. The predictions are displayed in a table format.

Structure HTML des prévisions de prix des crypto-monnaiesCette application permet aux utilisateurs de sélectionner une crypto-monnaie et un nombre de jours, puis de prédire le prix de la crypto-monnaie sélectionnée pour le nombre de jours spécifié. Les prédictions sont affichées sous forme de tableau.

If there’s an error, such as an invalid coin ID, the application displays an error message. The application uses Jinja templating for dynamic content rendering, which allows it to display different content based on the user’s input and the results of the price prediction.

S'il y a une erreur, telle qu'un identifiant de pièce invalide, l'application affiche un message d'erreur. L'application utilise les modèles Jinja pour le rendu dynamique du contenu, ce qui lui permet d'afficher différents contenus en fonction de la saisie de l'utilisateur et des résultats de la prévision de prix.

Installing Required Python Libraries

Before running the Python program, it’s important to ensure that all the necessary Python libraries are installed. Here’s a brief explanation of the libraries used in the program and how to install them:

Installation des bibliothèques Python requisesAvant d'exécuter le programme Python, il est important de s'assurer que toutes les bibliothèques Python nécessaires sont installées. Voici une brève explication des bibliothèques utilisées dans le programme et comment les installer :

1. Flask: Flask is a lightweight web application framework. It’s used to create the web interface for the program. Install it with pip: pip install flask
2. requests: Requests is a library for making HTTP requests. It’s used to fetch data from the CoinGecko API. Install it with pip: pip install requests
3. json: The json module is used to parse the JSON data returned by the CoinGecko API. It’s included in the standard Python library, so you don’t need to install it separately.
4. NumPy: NumPy is a library for numerical computing. It’s used to manipulate the data fetched from the API. Install it with pip: pip install numpy
5. scikit-learn: Scikit-learn is a library for machine learning. It’s used to create the linear regression model for price prediction. Install it with pip: pip install scikit-learn
6. time: The time module is used to work with timestamps. It’s included in the standard Python library, so you don’t need to install it separately.
7. datetime: The datetime module is used to work with dates and times. It’s included in the standard Python library, so you don’t need to install it separately.

To install all these libraries at once, you can use the following command:

Flask : Flask est un framework d'application Web léger. Il est utilisé pour créer l’interface Web du programme. Installez-le avec pip : pip install flaskrequests : Requests est une bibliothèque permettant de faire des requêtes HTTP. Il est utilisé pour récupérer des données de l'API CoinGecko. Installez-le avec pip : pip install requestjson : Le module json est utilisé pour analyser les données JSON renvoyées par l'API CoinGecko. Il est inclus dans la bibliothèque Python standard, vous n'avez donc pas besoin de l'installer séparément. NumPy : NumPy est une bibliothèque de calcul numérique. Il est utilisé pour manipuler les données extraites de l’API. Installez-le avec pip : pip install numpyscikit-learn : Scikit-learn est une bibliothèque pour l'apprentissage automatique. Il est utilisé pour créer le modèle de régression linéaire pour la prévision des prix. Installez-le avec pip : pip install scikit-learntime : Le module time est utilisé pour travailler avec les horodatages. Il est inclus dans la bibliothèque Python standard, vous n'avez donc pas besoin de l'installer séparément.datetime : Le module datetime est utilisé pour travailler avec les dates et les heures. Elle est incluse dans la bibliothèque Python standard, vous n'avez donc pas besoin de l'installer séparément. Pour installer toutes ces bibliothèques en même temps, vous pouvez utiliser la commande suivante :

pip install flask requests numpy scikit-learn

pip install flask demande numpy scikit-learn

Remember to run these commands in your virtual environment if you’re using one. This will keep your global Python environment clean and manage dependencies for this project separately. If you’re not using a virtual environment, you might need to use pip3 instead of pip and add sudo at the beginning of the commands to install the libraries globally.

N'oubliez pas d'exécuter ces commandes dans votre environnement virtuel si vous en utilisez un. Cela gardera votre environnement Python global propre et gérera les dépendances de ce projet séparément. Si vous n'utilisez pas d'environnement virtuel, vous devrez peut-être utiliser pip3 au lieu de pip et ajouter sudo au début des commandes pour installer les bibliothèques globalement.

Testing the Cryptocurrency Prediction

To test the predictor, follow these steps:

Test de la prédiction de crypto-monnaiePour tester le prédicteur, suivez ces étapes :

1. Run the Python script in your terminal using python .py, in this case python predictor.py
   
   

   Exécutez le script Python dans votre terminal en utilisant python .py, dans ce cas python predictor.py

2. Open the Web Application: Once the Flask server is running, open a web browser and navigate to the local server’s address (usually http://localhost:5000).
   
   

   Ouvrez l'application Web : une fois le serveur Flask exécuté, ouvrez un navigateur Web et accédez à l'adresse du serveur local (généralement http://localhost:5000).

3. Select a Cryptocurrency: You’ll see a form with a dropdown list of cryptocurrencies. Select the cryptocurrency you’re interested in.

   Sélectionnez une crypto-monnaie : vous verrez un formulaire avec une liste déroulante de crypto-monnaies. Sélectionnez la crypto-monnaie qui vous intéresse.

4. Enter the Number of Days: In the ‘Days’ input field, enter the number of days for which you want to predict prices.

   Saisissez le nombre de jours : dans le champ de saisie « Jours », saisissez le nombre de jours pour lesquels vous souhaitez prédire les prix.

5. Submit the Form: Click the ‘Predict’ button to submit the form. The program will now fetch the relevant data, train the machine learning model, and make predictions.

   Soumettre le formulaire : cliquez sur le bouton « Prédire » pour soumettre le formulaire. Le programme va maintenant récupérer les données pertinentes, entraîner le modèle d'apprentissage automatique et faire des prédictions.

6. View the Predictions: The predicted prices will be displayed in a table on the webpage. Each row in the table represents one day, with the date and the predicted price.
   

   Afficher les prévisions : les prix prévus seront affichés dans un tableau sur la page Web. Chaque ligne du tableau représente un jour, avec la date et le prix prévu.

7. Test Different Cryptocurrencies and Timeframes: Try selecting different cryptocurrencies and entering different numbers of days. Check whether the program returns reasonable predictions and handles edge cases well (e.g., a very large number of days).

   Testez différentes crypto-monnaies et délais : essayez de sélectionner différentes crypto-monnaies et de saisir différents nombres de jours. Vérifiez si le programme renvoie des prédictions raisonnables et gère bien les cas extrêmes (par exemple, un très grand nombre de jours).

Remember, the accuracy of the predictions depends on many factors, including the volatility of the cryptocurrency market and the amount of historical data available. Always use such predictions as just one of many tools in your cryptocurrency trading toolkit. 

N'oubliez pas que l'exactitude des prédictions dépend de nombreux facteurs, notamment la volatilité du marché des cryptomonnaies et la quantité de données historiques disponibles. Utilisez toujours ces prédictions comme l’un des nombreux outils de votre boîte à outils de trading de crypto-monnaie.

Advanced Functionalities and Useful Endpoints

While the guide above covers the basic development of a cryptocurrency price prediction program, CoinGecko API offers a wealth of endpoints that can be used to add more advanced functionalities. Here are some possibilities:

1. Historical Snapshots: The ‘/coins/{id}/history’ endpoint provides historical data for a specific date. This could be used to add a feature that allows users to view ‘snapshots’ of the market at different points in the past.
2. Anomaly Detection: By using the ‘/coins/markets’ endpoint to fetch real-time market data, you could implement an anomaly detection feature, which alerts users to sudden significant changes in a coin’s price or trading volume.
3. Coin Information: The ‘/coins/{id}’ endpoint returns detailed information about a specific coin, from tickers, market data, community data, metadata and more. This could provide users with information on development status, community strength, public interest and more.
4. Trending Coins: The ‘/search/trending’ endpoint provides information about trending coins in the last 24 hours. This data point can keep users informed about which coins are currently popular in the market.

Conclusion

In conclusion, this Python program demonstrates the power of machine learning and APIs in predicting cryptocurrency prices. By leveraging the CoinGecko API, the program fetches real-time and historical market data, which is then used to train a linear regression model for Bitcoin price predictions. The program also provides an intuitive web interface for users to interact with, making it a practical tool for anyone interested in cryptocurrencies.

Moreover, the CoinGecko API offers a wealth of endpoints that can be used to add more advanced functionalities to the program, such as sentiment analysis, anomaly detection, historical snapshots, coin information, and trending coins. These functionalities can provide users with deeper insights and a more comprehensive understanding of the cryptocurrency market.

De plus, l'API CoinGecko offre une multitude de points de terminaison qui peuvent être utilisés pour ajouter des fonctionnalités plus avancées au programme, telles que l'analyse des sentiments, la détection d'anomalies, des instantanés historiques, des informations sur les pièces et les tendances des pièces. Ces fonctionnalités peuvent fournir aux utilisateurs des informations plus approfondies et une compréhension plus complète du marché des cryptomonnaies.

Testing the program is a crucial step to ensure its accuracy and reliability. By following the step-by-step guide provided, users can test different cryptocurrencies and timeframes, and check the program’s performance under various scenarios.

Tester le programme est une étape cruciale pour garantir son exactitude et sa fiabilité. En suivant le guide étape par étape fourni, les utilisateurs peuvent tester différentes crypto-monnaies et délais, et vérifier les performances du programme dans divers scénarios.

Remember, while such a program can provide valuable predictions and insights, it should be used as just one of many tools in your cryptocurrency trading toolkit. Always consider multiple factors, sources of information and do your own research when making trading decisions. Happy coding and trading!

N'oubliez pas que même si un tel programme peut fournir des prédictions et des informations précieuses, il ne doit être utilisé que comme l'un des nombreux outils de votre boîte à outils de trading de crypto-monnaie. Tenez toujours compte de plusieurs facteurs et sources d'informations et faites vos propres recherches lorsque vous prenez des décisions commerciales. Bon codage et bon trading !

If you found this tutorial useful, check out other similar API Guides.

Si vous avez trouvé ce didacticiel utile, consultez d'autres guides API similaires.

CoinGecko's Content Editorial Guidelines

CoinGecko’s content aims to demystify the crypto industry. While certain posts you see may be sponsored, we strive to uphold thehighest standards of editorial quality and integrity, and do not publish any content that has not been vetted by our editors.

Learn more

Rollend Xavier

Rollend is a Microsoft Certified Cloud Architect with 16 years of experience. He is the author of the book “Automate Your Life: Streamline Your Daily Tasks with Python: 30 Powerful Ways to Streamline Your Daily Tasks with Python”.Follow the author on Twitter @RollendXavier

Directives éditoriales du contenu de CoinGeckoLe contenu de CoinGecko vise à démystifier l'industrie de la cryptographie. Bien que certains articles que vous voyez puissent être sponsorisés, nous nous efforçons de respecter les normes les plus élevées de qualité et d'intégrité éditoriales et ne publions aucun contenu qui n'a pas été examiné par nos rédacteurs. En savoir plus Dites-nous à quel point vous aimez cet article ! Rollend Xavier Rollend est un Architecte Cloud certifié Microsoft avec 16 ans d'expérience. Il est l'auteur du livre « Automatisez votre vie : rationalisez vos tâches quotidiennes avec Python : 30 façons puissantes de rationaliser vos tâches quotidiennes avec Python ». Suivez l'auteur sur Twitter @RollendXavier

Lire la suite de Rollend Xavier