.. _meta:

======================================================
元控制器：元任务 & 元数据集 & 元模型
======================================================
.. currentmodule:: qlib


简介
============
``Meta Controller`` 为 ``Forecast Model`` 提供指导，其目标是学习一系列预测任务中的规律模式，并利用习得的模式来指导后续预测任务。用户可基于 ``Meta Controller`` 模块实现自己的元模型实例。

元任务
=========

`Meta Task` 实例是元学习框架中的基本单元。它保存可供 `元模型` 使用的数据。多个 `Meta Task` 实例可能共享由 `元数据集` 控制的同一 `Data Handler`。用户应使用 `prepare_task_data()` 方法获取可直接输入 `Meta Model` 的数据。

.. autoclass:: qlib.model.meta.task.MetaTask
    :members:

Meta Dataset
============

`Meta Dataset` 控制元信息生成过程，负责为训练 `Meta Model` 提供数据。用户应使用 `prepare_tasks` 方法来获取 `Meta Task` 实例列表。

.. autoclass:: qlib.model.meta.dataset.MetaTaskDataset
    :members:

Meta Model
==========

通用元模型
------------------
`Meta Model` 实例是控制工作流程的部分。`Meta Model` 的使用包括：
1. 用户通过 `fit` 函数训练他们的 `Meta Model`。
2. `Meta Model` 实例通过 `inference` 函数提供有用信息来指导工作流程。

.. autoclass:: qlib.model.meta.model.MetaModel
    :members:

元任务模型
---------------
这类元模型可能会直接与任务定义交互。因此，`Meta Task Model` 是供它们继承的基类。它们通过修改基础任务定义来指导基础任务。函数 `prepare_tasks` 可用于获取修改后的基础任务定义。

.. autoclass:: qlib.model.meta.model.MetaTaskModel
    :members:

元指导模型
----------------
这类元模型参与基础预测模型的训练过程。元模型可以在基础预测模型训练期间对其进行指导，以提高其性能。

.. autoclass:: qlib.model.meta.model.MetaGuideModel
    :members:


示例
=======
``Qlib`` 提供了 ``Meta Model`` 模块的实现 ``DDG-DA``，
该模块能够适应市场动态。

``DDG-DA`` 包含四个步骤：

1. 计算元信息并将其封装为 ``Meta Task`` 实例。所有元任务构成一个 ``Meta Dataset`` 实例。
2. 基于元数据集的训练数据训练 ``DDG-DA``。
3. 对 ``DDG-DA`` 进行推理以获取指导信息。
4. 将指导信息应用于预测模型以提高其性能。

上述示例可在 ``examples/benchmarks_dynamic/DDG-DA/workflow.py`` 中找到：`<https://github.com/microsoft/qlib/tree/main/examples/benchmarks_dynamic/DDG-DA>`_。