Spaces:
Sleeping
Sleeping
File size: 3,349 Bytes
bf5fb5f 8ffb539 bf5fb5f 1a758de bf5fb5f 1a758de bf5fb5f 1a758de |
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 |
# ============================================
# Fichier: trainers/cuml/logistic_regression_trainer.py
# ============================================
from cuml.linear_model import LogisticRegression
from cuml_trainer import CuMLTrainer
from config import Config
from interfaces.cuml_tfidf_vectorizer import CuMLTfidfVectorizer
from interfaces.metrics_calculator import DefaultMetricsCalculator
class LogisticRegressionTrainer(CuMLTrainer):
"""
Entraîneur spécifique utilisant un classifieur LogisticRegression de la librairie cuML.
Hérite de CuMLTrainer, qui hérite lui-même de BaseTrainer.
Cette classe implémente les méthodes spécifiques à l'utilisation d'un modèle
de régression logistique pour la classification binaire ou multi-classes.
"""
def __init__(self, config: Config, data_path: str, target_column: str) -> None:
"""
Initialise un LogisticRegressionTrainer avec la configuration et les paramètres
du parent CuMLTrainer.
:param config: Configuration globale du système.
:param data_path: Chemin vers le fichier de données.
:param target_column: Nom de la colonne cible.
"""
super().__init__(config, data_path, target_column)
def _build_classifier(self) -> None:
"""
Crée et configure un classifieur LogisticRegression selon les paramètres
spécifiés dans la configuration.
Utilise directement les paramètres de la configuration pour initialiser
le modèle avec les hyperparamètres appropriés.
"""
params = self.config.model.params or {}
self.classifier = LogisticRegression(**params)
def build_components(self) -> None:
"""
Instancie le vectorizer, le classifieur LogisticRegression et le calculateur de métriques.
Cette méthode configure tous les composants nécessaires au fonctionnement
du trainer, en se basant sur les paramètres spécifiés dans la configuration.
"""
# Récupération de la méthode et des paramètres de vectorisation
vector_method = self.config.vectorization.method
vector_params = self.config.vectorization.dict().get(vector_method, {})
self.vectorizer = CuMLTfidfVectorizer(**vector_params)
# Construction du classifieur
self._build_classifier()
# Initialisation du calculateur de métriques
self.metrics_calculator = DefaultMetricsCalculator()
def train(self) -> None:
"""
Entraîne le classifieur LogisticRegression sur les données vectorisées.
Utilise l'implémentation fournie par la classe parente CuMLTrainer,
qui s'occupe du chargement des données, de la vectorisation et de l'entraînement.
"""
super().train()
def evaluate(self) -> dict:
"""
Évalue le classifieur LogisticRegression et calcule les métriques appropriées.
Utilise l'implémentation fournie par la classe parente CuMLTrainer,
qui s'occupe du chargement des données, de la vectorisation, de la prédiction
et du calcul des métriques via le metrics_calculator.
:return: Dictionnaire contenant les métriques calculées.
"""
return super().evaluate()
|