# ============================================
# 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()