Spaces:
Sleeping
Sleeping
| # ============================================ | |
| # Fichier: trainers/cuml/svm_trainer.py | |
| # ============================================ | |
| from cuml.svm import SVC | |
| import cupy as cp | |
| from typing import Optional | |
| from cuml_trainer import CuMLTrainer | |
| from config import Config | |
| from interfaces.cuml_tfidf_vectorizer import CuMLTfidfVectorizer | |
| from interfaces.metrics_calculator import DefaultMetricsCalculator | |
| class SvmTrainer(CuMLTrainer): | |
| """ | |
| Entraîneur spécifique utilisant un classifieur SVC (Support Vector Classifier) 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 SVM | |
| pour la classification binaire ou multi-classes, en exploitant les capacités GPU | |
| offertes par la librairie cuML. | |
| """ | |
| def __init__(self, config: Config, data_path: str, target_column: str) -> None: | |
| """ | |
| Initialise un SvmTrainer 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 SVC selon les paramètres | |
| spécifiés dans la configuration. | |
| Utilise directement les paramètres de la configuration pour initialiser | |
| le modèle avec les hyperparamètres appropriés (ex: kernel, C, gamma, etc.). | |
| """ | |
| params = self.config.model.params or {} | |
| self.classifier = SVC(**params) | |
| def build_components(self) -> None: | |
| """ | |
| Instancie le vectorizer, le classifieur SVC 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 SVC 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 SVC 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() | |
| def _get_binary_predictions(self, X: cp.ndarray) -> cp.ndarray: | |
| """ | |
| Retourne les prédictions binaires du modèle SVC. | |
| Cette méthode est spécifiquement utilisée pour obtenir des prédictions | |
| binaires (0/1) à partir du modèle entraîné. | |
| :param X: Matrice de caractéristiques au format cupy.ndarray. | |
| :return: Vecteur de prédictions binaires. | |
| """ | |
| X_prepared = self._prepare_input_for_predict(X) | |
| return self.classifier.predict(X_prepared) | |
| def _get_positive_probabilities(self, X: cp.ndarray) -> Optional[cp.ndarray]: | |
| """ | |
| Retourne les probabilités de la classe positive si disponible. | |
| Cette méthode est utilisée pour obtenir les probabilités d'appartenance | |
| à la classe positive, utile notamment pour calculer l'AUC-ROC ou | |
| pour des seuils de décision personnalisés. | |
| :param X: Matrice de caractéristiques au format cupy.ndarray. | |
| :return: Vecteur de probabilités ou None si non disponible. | |
| """ | |
| if hasattr(self.classifier, 'predict_proba'): | |
| X_prepared = self._prepare_input_for_predict(X) | |
| return self.classifier.predict_proba(X_prepared)[:, 1] | |
| return None | |