File size: 8,143 Bytes
3a61454
 
 
 
 
 
 
b1e8012
 
 
 
 
 
7d36604
e82efd1
b1e8012
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
3a61454
 
 
 
 
 
 
 
b1e8012
6cd1c2c
 
 
 
 
 
c56da91
3a61454
 
 
 
 
 
 
 
6cd1c2c
3a61454
 
 
6cd1c2c
 
3a61454
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
import streamlit as st
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from sklearn.tree import plot_tree, export_text
import seaborn as sns
from sklearn.preprocessing import LabelEncoder
from sklearn.ensemble import RandomForestClassifier
from sklearn.tree import DecisionTreeClassifier, plot_tree
from sklearn.ensemble import GradientBoostingClassifier
from sklearn.linear_model import LogisticRegression
from sklearn.metrics import accuracy_score, precision_score, recall_score, f1_score, roc_auc_score, roc_curve

data = pd.read_csv('exported_named_train_good.csv')
X_test = pd.read_csv('exported_named_test.csv').values
X_train = data.drop("Target", axis=1).values
y_train = data['Target'].values

models={
    "Logisitic Regression":LogisticRegression(),
    "Decision Tree":DecisionTreeClassifier(),
    "Random Forest":RandomForestClassifier(),
    "Gradient Boost":GradientBoostingClassifier()
}

for name, model in models.items():

    model.fit(X_train, y_train)

    # Make predictions
    y_train_pred = model.predict(X_train)
    y_test_pred = model.predict(X_test)

    # Training set performance
    model_train_accuracy = accuracy_score(y_train, y_train_pred) # Calculate Accuracy
    model_train_f1 = f1_score(y_train, y_train_pred, average='weighted') # Calculate F1-score
    model_train_precision = precision_score(y_train, y_train_pred) # Calculate Precision
    model_train_recall = recall_score(y_train, y_train_pred) # Calculate Recall
    model_train_rocauc_score = roc_auc_score(y_train, y_train_pred)

    # Test set performance
    model_test_accuracy = accuracy_score(y_test, y_test_pred) # Calculate Accuracy
    model_test_f1 = f1_score(y_test, y_test_pred, average='weighted') # Calculate F1-score
    model_test_precision = precision_score(y_test, y_test_pred) # Calculate Precision
    model_test_recall = recall_score(y_test, y_test_pred) # Calculate Recall
    model_test_rocauc_score = roc_auc_score(y_test, y_test_pred) #Calculate Roc

    print(name)

    print('Model performance for Training set')
    print("- Accuracy: {:.4f}".format(model_train_accuracy))
    print('- F1 score: {:.4f}'.format(model_train_f1))
    
    print('- Precision: {:.4f}'.format(model_train_precision))
    print('- Recall: {:.4f}'.format(model_train_recall))
    print('- Roc Auc Score: {:.4f}'.format(model_train_rocauc_score))

    
    
    print('----------------------------------')
    
    print('Model performance for Test set')
    print('- Accuracy: {:.4f}'.format(model_test_accuracy))
    print('- F1 score: {:.4f}'.format(model_test_f1))
    print('- Precision: {:.4f}'.format(model_test_precision))
    print('- Recall: {:.4f}'.format(model_test_recall))
    print('- Roc Auc Score: {:.4f}'.format(model_test_rocauc_score))

    
    print('='*35)
    print('\n')

def load_model_and_data():
    # Ici vous chargeriez votre modèle et données
    # Pour l'exemple, on suppose qu'ils sont disponibles comme:
    # model = loaded_model
    # X = loaded_X
    # y = loaded_y
    # feature_names = X.columns
    model = models['Decision Tree']
    data = pd.read_csv('exported_named_train.csv')
    X = data.drop("Target", axis=1)
    y = data['Target']

    return model, X, y
    
   

def app():
    st.title("Interpréteur d'Arbre de Décision")
    
    # Sidebar pour les contrôles
    st.sidebar.header("Paramètres d'analyse")
    
    # Section 1: Vue globale du modèle
    st.header("Vue globale du modèle")
    col1, col2 = st.columns(2)
    
    with col1:
        model, X, y = load_model_and_data()
        feature_names = X.columns
        st.subheader("Importance des caractéristiques")
        importance_plot = plt.figure(figsize=(10, 6))
        # Remplacer par vos features et leurs importances
        feature_importance = pd.DataFrame({
            'feature': feature_names,
            'importance': model.feature_importances_
        }).sort_values('importance', ascending=True)
        plt.barh(feature_importance['feature'], feature_importance['importance'])
        st.pyplot(importance_plot)
    
    with col2:
        st.subheader("Statistiques du modèle")
        st.write(f"Profondeur de l'arbre: {model.get_depth()}")
        st.write(f"Nombre de feuilles: {model.get_n_leaves()}")
    
    # Section 2: Explorateur de règles
    st.header("2. Explorateur de règles de décision")
    max_depth = st.slider("Profondeur maximale à afficher", 1, model.get_depth(), 3)
    
    tree_text = export_text(model, feature_names=list(feature_names), max_depth=max_depth)
    st.text(tree_text)
    
    # Section 3: Analyse de cohortes
    st.header("3. Analyse de cohortes")
    
    # Sélection des caractéristiques pour définir les cohortes
    selected_features = st.multiselect(
        "Sélectionnez les caractéristiques pour définir les cohortes",
        feature_names,
        max_selections=2
    )
    
    if len(selected_features) > 0:
        # Création des cohortes basées sur les caractéristiques sélectionnées
        def create_cohorts(X, features):
            cohort_def = X[features].copy()
            for feat in features:
                if X[feat].dtype == 'object' or len(X[feat].unique()) < 10:
                    cohort_def[feat] = X[feat]
                else:
                    cohort_def[feat] = pd.qcut(X[feat], q=4, labels=['Q1', 'Q2', 'Q3', 'Q4'])
            return cohort_def.apply(lambda x: ' & '.join(x.astype(str)), axis=1)
        
        cohorts = create_cohorts(X, selected_features)
        
        # Analyse des prédictions par cohorte
        cohort_analysis = pd.DataFrame({
            'Cohorte': cohorts,
            'Prédiction': model.predict(X)
        })
        
        cohort_stats = cohort_analysis.groupby('Cohorte')['Prédiction'].agg(['count', 'mean'])
        cohort_stats.columns = ['Nombre d\'observations', 'Taux de prédiction positive']
        
        st.write("Statistiques par cohorte:")
        st.dataframe(cohort_stats)
        
        # Visualisation des cohortes
        cohort_viz = plt.figure(figsize=(10, 6))
        sns.barplot(data=cohort_analysis, x='Cohorte', y='Prédiction')
        plt.xticks(rotation=45)
        st.pyplot(cohort_viz)
    
    # Section 4: Simulateur de prédictions
    st.header("4. Simulateur de prédictions")
    
    # Interface pour entrer des valeurs
    input_values = {}
    for feature in feature_names:
        if X[feature].dtype == 'object':
            input_values[feature] = st.selectbox(
                f"Sélectionnez {feature}",
                options=X[feature].unique()
            )
        else:
            input_values[feature] = st.slider(
                f"Valeur pour {feature}",
                float(X[feature].min()),
                float(X[feature].max()),
                float(X[feature].mean())
            )
    
    if st.button("Prédire"):
        # Création du DataFrame pour la prédiction
        input_df = pd.DataFrame([input_values])
        
        # Prédiction
        prediction = model.predict_proba(input_df)
        
        # Affichage du résultat
        st.write("Probabilités prédites:")
        st.write({f"Classe {i}": f"{prob:.2%}" for i, prob in enumerate(prediction[0])})
        
        # Chemin de décision pour cette prédiction
        st.subheader("Chemin de décision")
        node_indicator = model.decision_path(input_df)
        leaf_id = model.apply(input_df)
        
        feature_names = list(feature_names)
        node_index = node_indicator.indices[node_indicator.indptr[0]:node_indicator.indptr[1]]
        
        rules = []
        for node_id in node_index:
            if node_id != leaf_id[0]:
                threshold = model.tree_.threshold[node_id]
                feature = feature_names[model.tree_.feature[node_id]]
                if input_df.iloc[0][feature] <= threshold:
                    rules.append(f"{feature}{threshold:.2f}")
                else:
                    rules.append(f"{feature} > {threshold:.2f}")
        
        for rule in rules:
            st.write(rule)

if __name__ == "__main__":
    app()