-
Notifications
You must be signed in to change notification settings - Fork 1
/
fishboard.py
187 lines (153 loc) · 6.16 KB
/
fishboard.py
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
import functools
import io
import logging
import pathlib
from typing import List, Optional, Union
import pandas as pd
import plotly.express as px
import plotly.graph_objects as go
import streamlit as st
from sklearn.linear_model import Lasso, LinearRegression
from sklearn.metrics import mean_absolute_error, mean_squared_error, r2_score
from sklearn.model_selection import train_test_split
from sklearn.svm import SVR
from streamlit.delta_generator import DeltaGenerator
# typ pro Streamlit kontejnery
StContainer = DeltaGenerator
# adresář s daty
DATA_DIR = pathlib.Path("data")
# slovník s názvy modelů pro regresi
# u každého modelu je třeba definovat class - třídu, která se použije
# a hyperparams, který obsahuje slovník názvů hyperparametrů a funkcí pro vytvoření streamlit widgetu
# předpokládá se, že třídy mají scikit-learn API
REGRESSION_MODELS = {
"LinearRegression": {
"class": LinearRegression,
"hyperparams": {},
},
"Lasso": {
"class": Lasso,
"hyperparams": {"alpha": functools.partial(st.slider, "alpha", 0.0, 1.0, 0.0)},
},
"SVR": {
"class": SVR,
"hyperparams": {
"kernel": functools.partial(
st.selectbox, "kernel", ["linear", "poly", "rbf", "sigmoid"], index=2
),
"C": functools.partial(st.number_input, "C", 0.0, None, 1.0),
},
},
}
# názvy metrik a příslušné funkce pro výpočet
METRICS = {"MAE": mean_absolute_error, "MSE": mean_squared_error, "R2": r2_score}
@st.cache_data
def load_data(csv_file: Union[str, pathlib.Path, io.IOBase]) -> pd.DataFrame:
return pd.read_csv(csv_file, index_col=0)
@st.cache_data
def preprocess(
data: pd.DataFrame, drop_columns: Optional[List] = None, get_dummies: bool = False
) -> pd.DataFrame:
if drop_columns:
data = data.drop(columns=drop_columns)
if get_dummies:
data = pd.get_dummies(data)
return data
def regression(
col1: StContainer,
col2: StContainer,
learning_data: pd.DataFrame,
target: str,
test_size: float,
stratify: str,
) -> None:
"""Regrese v dashboardu"""
# rozdělení na trénovací a testovací data
y = learning_data[target]
X = learning_data.drop(columns=[target])
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=test_size, stratify=stratify)
with col1.expander("Výběr modelu"):
model = st.selectbox("Regresní model", list(REGRESSION_MODELS))
# hodnoty hyperparametrů si uložíme do slovníku typu {jméno hyperparametru: hodnota}
hyperparams = {
hyperparam: widget() for hyperparam, widget in REGRESSION_MODELS[model]["hyperparams"].items()
}
metric = st.selectbox("Metrika", list(METRICS))
# REGRESSION_MODELS[model]["class"] vrací třídu regresoru, např. LinearRegression
# ve slovníku hyperparams máme uložené hodnoty hyperparametrů od uživatele
# takto tedy můžeme vytvořit příslušný regresor
regressor = REGRESSION_MODELS[model]["class"](**hyperparams)
# zkusíme natrénovat model
try:
regressor.fit(X_train, y_train)
except Exception as prediction_error:
# v případě chyby ukážeme uživateli co se stalo
st.error(f"Chyba při fitování modelu: {prediction_error}")
# a nebudeme už nic dalšího zobrazovat
return
# predikce pomocí natrénovaného modelu
y_predicted = regressor.predict(X_test)
prediction_error = METRICS[metric](y_predicted, y_test)
col2.header(f"Výsledek modelu {model}")
col2.write(f"{metric}: {prediction_error:.3g}")
# vytvoříme pomocný dataframe s se sloupcem s predikcí
predicted_target_column = f"{target} - predicted"
complete_data = learning_data.assign(**{predicted_target_column: regressor.predict(X)})
# vykreslíme správné vs predikované body
fig = px.scatter(complete_data, x=target, y=predicted_target_column)
# přidáme čáru ukazující ideální predikci
fig.add_trace(
go.Scatter(
x=[complete_data[target].min(), complete_data[target].max()],
y=[complete_data[target].min(), complete_data[target].max()],
mode="lines",
line=dict(width=2, color="DarkSlateGrey"),
name="ideal prediction",
)
)
col2.write(fig)
def classification(
col1: StContainer,
col2: StContainer,
learning_data: pd.DataFrame,
target: str,
test_size: float,
stratify: str,
) -> None:
st.error("Tohle ještě chybí")
def main() -> None:
# základní vlastnosti aplikace: jméno, široké rozložení
st.set_page_config(page_title="Fishboard", layout="wide")
st.title("Fishboard")
# použijeme dva sloupce
col1, col2 = st.columns(2)
with col1.expander("Výběr dat"):
# TODO použít file upload for načtení uživatelských dat
st.write("Vstupní data jsou ze souboru fish_data.csv")
source_data = load_data(DATA_DIR / "fish_data.csv")
with col1.expander("Preprocessing"):
drop_columns = st.multiselect("Drop columns", source_data.columns)
get_dummies = st.checkbox("Get dummies")
learning_data = preprocess(source_data, drop_columns, get_dummies)
with col1.expander("Zobrazení dat"):
display_preprocessed = st.checkbox("Zobrazit preprocesovaná data", value=False)
if display_preprocessed:
displayed_data = learning_data
# st.dataframe(displayed_data)
else:
displayed_data = source_data
# st.dataframe(displayed_data)
# TODO přidat grafy
st.dataframe(displayed_data)
target = col1.selectbox("Sloupec s odezvou", learning_data.columns)
with col1.expander("Rozdělení na testovací a trénovací data"):
test_size = st.slider("Poměr testovací sady", 0.0, 1.0, 0.25, 0.05)
stratify_column = st.selectbox("Stratify", [None] + list(source_data.columns))
if stratify_column is not None:
stratify = source_data[stratify_column]
else:
stratify = None
regression(col1, col2, learning_data, target, test_size, stratify)
if __name__ == "__main__":
logging.basicConfig()
main()