기계 학습 및 CoinGecko API를 사용한 암호화폐 가격 예측

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. 

이 블로그 게시물에서는 CoinGecko API와 머신러닝(데이터에서 패턴을 학습하고 정보에 입각한 예측을 수행하는 기능)을 사용하여 암호화폐 가격 예측에 대해 자세히 알아봅니다.

Level of Functionality

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

기능 수준먼저 Python 프로그램의 주요 기능을 살펴보겠습니다.

• 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).

데이터 가져오기: 프로그램은 CoinGecko API에서 실시간 및 과거 데이터를 가져옵니다. 여기에는 특정 코인에 대한 현재 시장 데이터, 과거 데이터 및 OHLC(시가, 고가, 저가, 종가) 데이터가 포함됩니다. 데이터 처리: 프로그램은 가져온 데이터를 처리하여 기계 학습 모델에 맞게 준비합니다. 여기에는 관련 기능 선택, 데이터 크기 조정 및 적절한 모양으로 형식 지정이 포함됩니다. 기계 학습 모델: 프로그램은 Scikit-learn 라이브러리의 선형 회귀 모델을 사용하여 처리된 데이터에서 학습합니다. 가격 예측: 프로그램은 훈련된 데이터를 사용합니다. 선택한 암호화폐의 미래 가격을 예측하는 모델입니다. 예측 표시: 프로그램은 간단하고 직관적인 웹 인터페이스를 통해 사용자에게 예측 가격을 표시합니다. 사용자는 가격을 예측하려는 코인과 일수를 선택할 수 있으며 프로그램은 예측을 테이블에 표시합니다. 사용자 상호 작용: 프로그램은 사용자가 선호 사항을 입력할 수 있는 대화형 양식을 제공합니다. 또한 오류 메시지를 표시하여 잘못된 입력을 적절하게 처리합니다. 보안 조치: 이 프로그램은 API 키 및 개인 키와 같은 민감한 데이터의 보안을 보장합니다. 보안 연결을 사용하고 민감한 데이터를 암호화합니다. 암호화폐 가격 예측에 가장 적합한 기계 학습 모델은 무엇입니까? 암호화폐 가격 예측을 위한 다양한 기계 학습 모델 중에서 선형 회귀 모델은 이해하고 구현하기 쉽기 때문에 암호화폐 가격 예측에 가장 적합합니다. , 선형으로 분리 가능한 데이터와 잘 작동합니다. 이 모델은 입력 변수(독립 변수)와 단일 출력 변수(종속 변수) 사이의 선형 관계를 가정합니다.

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.

이 가정이 사실일 때 선형 회귀는 암호화폐 가격 예측을 위한 좋은 기준 모델을 제공할 수 있습니다. 그러나 암호화폐 가격은 다양한 요인의 영향을 받으며 항상 선형 관계를 나타내지 않을 수 있다는 점을 기억하는 것이 중요합니다. 따라서 더 복잡한 모델이 더 나은 예측 성능을 제공하는 경우도 있습니다. 항상 모델의 가정을 검증하고 적절한 측정항목을 사용하여 성능을 테스트하는 것을 잊지 마세요.

Prerequisites

Before we start, ensure you have the following:

전제조건시작하기 전에 다음 사항이 있는지 확인하세요.

• 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.

시스템에 Python 3.7 이상이 설치되어 있습니다. Python은 봇을 구축하는 데 사용할 강력하고 배우기 쉬운 프로그래밍 언어입니다. Python 프로그래밍에 대한 기본적인 이해입니다. 이 가이드에서는 자세히 설명하지만 Python 구문과 프로그래밍 개념에 대한 기본적인 이해가 있으면 도움이 될 것입니다. 텍스트 편집기: 코드를 작성하려면 텍스트 편집기나 IDE(통합 개발 환경)가 필요합니다. 인기 있는 옵션으로는 Visual Studio Code, Sublime Text 및 Atom.CoinGecko API(데모)가 있습니다. 우리는 CoinGecko API를 사용하여 암호화폐에 대한 시장 차트 데이터를 가져올 것입니다. CoinGecko API에는 분당 30회 호출 속도 제한과 월 최대 10,000회 호출로 모든 사용자가 액세스할 수 있는 무료 데모 계획이 있습니다. 이 가이드에서는 데모 API 키를 생성하는 방법을 보여줍니다. 이 가이드에 사용된 API 키는 실제 API 키가 아니라 자리 표시자입니다. 코드가 작동하려면 이를 자체 CoinGecko API 키로 바꾸세요.

The Python Program

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

Python 프로그램프로그램은 Flask 웹 애플리케이션입니다. 필요한 라이브러리를 가져오고 Flask 앱을 ​​초기화하는 것으로 시작됩니다.

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:

이 섹션에서는 예측기의 전체 기능에서 각 부분과 해당 역할을 이해하기 위해 암호화폐 예측을 위한 Python 코드를 분석합니다.

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.

   필요한 라이브러리 및 모듈 가져오기: 프로그램은 필요한 라이브러리 및 모듈을 가져오는 것으로 시작됩니다. 여기에는 웹 애플리케이션 개발을 위한 도구, 기술 및 가능성을 제공하는 Python으로 작성된 마이크로 웹 프레임워크인 Flask가 포함됩니다. 또한 GET 및 POST와 같은 다양한 유형의 HTTP 요청을 만드는 데 사용되는 Python 모듈인 요청을 가져옵니다.

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.

   Flask 애플리케이션 및 API 키 설정: Flask 애플리케이션이 설정되어 WSGI 애플리케이션인 Flask 클래스의 인스턴스가 생성됩니다. 광범위한 데이터에 대한 액세스를 제공하는 포괄적인 암호화폐 API인 CoinGecko API에 액세스하기 위한 API 키가 정의됩니다.

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.

   기본 경로 정의: GET 및 POST 메서드를 모두 지원하는 기본 경로(/)가 정의됩니다. GET 요청이 이루어지면 CoinGecko API에서 사용 가능한 코인 목록을 가져옵니다. 이는 사용 가능한 모든 암호화폐 목록을 반환하는 CoinGecko API 엔드포인트에 GET 요청을 함으로써 수행됩니다.

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.

   POST 요청 처리: POST 요청이 이루어지면 양식 데이터에서 coin_id와 날짜를 가져옵니다. coin_id가 유효하면 coin_id와 days를 매개변수로 사용하여 get_market_chart 함수를 호출합니다. 이 함수는 지정된 일수 동안 해당 코인의 시장 차트 데이터를 가져옵니다.

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.

   get_market_chart 함수 정의: 이 함수는 여러 작업을 수행합니다. 즉, 일수를 기준으로 시작 및 종료 타임스탬프를 계산하고, 지정된 coin_id 및 날짜에 대한 OHLC(시가, 고가, 저가, 마감) 데이터를 가져오고 특정 날짜의 과거 데이터와 CoinGecko API의 현재 시장 데이터. 다음으로, 선형 회귀 모델을 위한 특징 행렬 X와 목표 벡터 y를 준비하고, 각 특징을 주어진 범위로 스케일링하여 특징을 변환하는 특징 스케일링 기술인 MinMaxScaler를 사용하여 데이터의 스케일을 조정합니다. 그런 다음 X와 y를 사용하여 LinearRegression 모델을 학습하고 학습된 모델을 사용하여 예측합니다. 예측에 대한 날짜 목록을 생성하고 날짜와 예측을 사전으로 결합한 다음 마지막으로 예측을 반환합니다.

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.

   Flask 애플리케이션 실행: 마지막으로 스크립트를 직접 실행하면 Flask 개발 서버가 시작됩니다. 이 서버는 내장된 경량 WSGI 웹 서버이며 애플리케이션을 실행하는 빠른 방법을 제공합니다. 그러나 프로덕션 환경에는 권장되지 않습니다.

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.

암호화폐 가격 예측의 HTML 구조 이 애플리케이션을 사용하면 사용자는 암호화폐와 일수를 선택한 다음 지정된 일수 동안 선택한 암호화폐의 가격을 예측할 수 있습니다. 예측은 테이블 형식으로 표시됩니다.

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.

잘못된 코인 ID 등 오류가 있는 경우 애플리케이션에 오류 메시지가 표시됩니다. 이 애플리케이션은 동적 콘텐츠 렌더링을 위해 Jinja 템플릿을 사용하므로 사용자 입력과 가격 예측 결과에 따라 다양한 콘텐츠를 표시할 수 있습니다.

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:

필수 Python 라이브러리 설치 Python 프로그램을 실행하기 전에 필요한 모든 Python 라이브러리가 설치되어 있는지 확인하는 것이 중요합니다. 다음은 프로그램에 사용되는 라이브러리와 설치 방법에 대한 간략한 설명입니다.

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: Flask는 경량 웹 애플리케이션 프레임워크입니다. 프로그램의 웹 인터페이스를 만드는 데 사용됩니다. pip로 설치하세요: pip install 플라스크요청: 요청은 HTTP 요청을 만들기 위한 라이브러리입니다. CoinGecko API에서 데이터를 가져오는 데 사용됩니다. pip로 설치: pip install requestsjson: json 모듈은 CoinGecko API에서 반환된 JSON 데이터를 구문 분석하는 데 사용됩니다. 표준 Python 라이브러리에 포함되어 있으므로 별도로 설치할 필요가 없습니다. NumPy: NumPy는 수치 계산을 위한 라이브러리입니다. API에서 가져온 데이터를 조작하는 데 사용됩니다. pip로 설치하세요: pip install numpyscikit-learn: Scikit-learn은 기계 학습용 라이브러리입니다. 가격 예측을 위한 선형 회귀 모델을 만드는 데 사용됩니다. pip로 설치: pip install scikit-learntime: 시간 모듈은 타임스탬프 작업에 사용됩니다. 표준 Python 라이브러리에 포함되어 있으므로 별도로 설치할 필요가 없습니다.datetime: datetime 모듈은 날짜 및 시간 작업에 사용됩니다. 표준 Python 라이브러리에 포함되어 있으므로 별도로 설치할 필요가 없습니다. 이 모든 라이브러리를 한 번에 설치하려면 다음 명령을 사용하면 됩니다.

pip install flask requests numpy scikit-learn

pip 설치 플라스크는 numpy scikit-learn을 요청합니다.

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.

가상 환경을 사용하는 경우 가상 환경에서 이러한 명령을 실행하는 것을 잊지 마세요. 이렇게 하면 전역 Python 환경을 깔끔하게 유지하고 이 프로젝트의 종속성을 별도로 관리할 수 있습니다. 가상 환경을 사용하지 않는 경우 pip 대신 pip3을 사용하고 명령 시작 부분에 sudo를 추가하여 라이브러리를 전역으로 설치해야 할 수도 있습니다.

Testing the Cryptocurrency Prediction

To test the predictor, follow these steps:

암호화폐 예측 테스트 예측기를 테스트하려면 다음 단계를 따르세요.

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

   python .py를 사용하여 터미널에서 Python 스크립트를 실행합니다(이 경우 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).
   
   

   웹 애플리케이션 열기: Flask 서버가 실행되면 웹 브라우저를 열고 로컬 서버의 주소(일반적으로 http://localhost:5000)로 이동합니다.

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

   암호화폐 선택: 암호화폐 드롭다운 목록이 포함된 양식이 표시됩니다. 관심 있는 암호화폐를 선택하세요.

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

   일수 입력: '일' 입력 필드에 가격을 예측하려는 일수를 입력합니다.

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.

   양식 제출: 양식을 제출하려면 '예측' 버튼을 클릭하세요. 이제 프로그램은 관련 데이터를 가져오고, 기계 학습 모델을 훈련하고, 예측합니다.

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.
   

   예측 보기: 예측 가격이 웹페이지의 표에 표시됩니다. 테이블의 각 행은 날짜 및 예상 가격과 함께 하루를 나타냅니다.

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).

   다양한 암호화폐 및 기간 테스트: 다양한 암호화폐를 선택하고 다른 일수를 입력해 보세요. 프로그램이 합리적인 예측을 반환하고 극단적인 경우(예: 매우 많은 일수)를 잘 처리하는지 확인하세요.

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. 

예측의 정확성은 암호화폐 시장의 변동성과 사용 가능한 과거 데이터의 양을 포함한 여러 요인에 따라 달라집니다. 항상 이러한 예측을 암호화폐 거래 툴킷의 많은 도구 중 하나로 사용하십시오.

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.

또한, CoinGecko API는 감정 분석, 이상 탐지, 기록 스냅샷, 코인 정보, 코인 동향 등 고급 기능을 프로그램에 추가하는 데 사용할 수 있는 풍부한 엔드포인트를 제공합니다. 이러한 기능은 사용자에게 암호화폐 시장에 대한 더 깊은 통찰력과 보다 포괄적인 이해를 제공할 수 있습니다.

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.

프로그램을 테스트하는 것은 정확성과 신뢰성을 보장하는 중요한 단계입니다. 제공된 단계별 가이드를 따르면 사용자는 다양한 암호화폐와 기간을 테스트하고 다양한 시나리오에서 프로그램 성능을 확인할 수 있습니다.

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!

이러한 프로그램은 귀중한 예측과 통찰력을 제공할 수 있지만 암호화폐 거래 툴킷에 있는 많은 도구 중 하나로만 사용해야 한다는 점을 기억하십시오. 거래 결정을 내릴 때 항상 다양한 요소와 정보 출처를 고려하고 스스로 조사하십시오. 즐거운 코딩과 거래를 즐겨보세요!

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

이 튜토리얼이 유용하다고 생각되면 다른 유사한 API 가이드를 확인하세요.

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

CoinGecko의 콘텐츠 편집 지침CoinGecko의 콘텐츠는 암호화폐 산업을 이해하는 것을 목표로 합니다. 귀하가 보고 있는 특정 게시물은 후원을 받을 수 있지만 당사는 최고 수준의 편집 품질 및 무결성을 유지하기 위해 노력하고 있으며 당사 편집자의 심사를 거치지 않은 콘텐츠는 게시하지 않습니다. 자세히 알아보기 이 기사가 얼마나 마음에 드는지 알려주세요!Rollend XavierRollend는 16년 경력의 Microsoft Certified Cloud Architect입니다. 그는 "당신의 삶을 자동화하세요: Python으로 일상 업무를 간소화하세요: Python으로 일상 업무를 간소화하는 30가지 강력한 방법"이라는 책의 저자입니다. 트위터 @RollendXavier에서 저자를 팔로우하세요.

Rollend Xavier의 자세한 내용을 읽어보세요.