Update README.md

README.md

@@ -14,85 +14,91 @@ license: unknown
 ---
 
 🌦️ Saigon Temperature Forecasting Application
-Một ứng dụng web tương tác được xây dựng bằng Streamlit để dự báo thời tiết tại TP. Hồ Chí Minh (Sài Gòn). Ứng dụng này cung cấp cả dự báo 5 ngày (hàng ngày) sử dụng mô hình Stacking và dự báo 24 giờ (hàng giờ) sử dụng 24 mô hình LightGBM chuyên biệt.
+<p align="center"> <a href="https://huggingface.co/spaces/YOUR_USERNAME/YOUR_SPACE_NAME" target="_blank"> <img src="https://img.shields.io/badge/Hugging%20Face-Spaces-yellow" alt="Hugging Face Spaces"> </a> <img src="https://img.shields.io/badge/Streamlit-App-orange" alt="Streamlit"> <img src="https://img.shields.io/badge/Python-3.10+-blue.svg" alt="Python"> <img src="https://img.shields.io/badge/Models-Stacking%20%26%20LGBM-purple" alt="Models"> </p>
 
-(Gợi ý: Bạn nên chụp ảnh màn hình ứng dụng của mình, tải lên một dịch vụ như Imgur và dán URL vào đây để thay thế dòng trên.)
+An interactive web application built with Streamlit to forecast the weather in Ho Chi Minh City (Saigon). This app provides both 5-day (daily) forecasts using a Champion Stacking model and 24-hour (hourly) forecasts using 24 specialized LightGBM models.
 
-✨ Các tính năng chính
-Ứng dụng được tổ chức thành bốn tab chính:
+➡️ View the Live Application Here (Remember to replace this with your actual Hugging Face Space URL)
+
+(Suggestion: Replace this line with a URL to a real screenshot of your app)
+
+✨ Key Features
+The application is organized into four main tabs for a comprehensive user experience:
 
 📑 Project Overview & Methodology
-Tổng quan Dự án: Giải thích mục tiêu và nguồn dữ liệu (10 năm từ Visual Crossing).
+Project Overview: Explains the project's goal and the 10-year data source (Visual Crossing).
 
-Chiến lược "Two-Stream": Mô tả lý do sử dụng 2 mô hình khác nhau:
+"Two-Stream" Strategy: Details the methodology for using two different model types:
 
-Mô hình Stacking (Hàng ngày): Cho dự báo 5 ngày, kết hợp sức mạnh của nhiều mô hình.
+1. Stacking Model (Daily): For the 5-day forecast, combining the strengths of multiple models.
 
-Mô hình Direct (Hàng giờ): 24 mô hình LGBM riêng biệt cho dự báo 24 giờ.
+2. Direct Model (Hourly): 24 specialized LGBM models for the 24-hour forecast.
 
-Bảng xếp hạng (Leaderboard): Hiển thị 10 mô hình hàng đầu trong quá trình thử nghiệm, chứng minh lý do chọn mô hình "Champion".
+Model Leaderboard: Displays the top 10 models from our experiments, justifying the "Champion" model selection.
 
-🌦️ Live 5-Day Forecast (Dự báo 5 ngày)
-Chọn ngày: Cho phép người dùng chọn một ngày bất kỳ trong tập dữ liệu kiểm tra (test set).
+🌦️ Live 5-Day Forecast
+Date Selector: Allows users to select any date from the test set.
 
-Dự báo 5 ngày: Hiển thị nhiệt độ dự đoán và nhiệt độ thực tế (nếu có) cho 5 ngày tiếp theo.
+5-Day Metrics: Displays predicted vs. actual temperatures (if available) for the next five days.
 
-Forecast Insights (Why?): Tự động tạo ra các nhận định (insight) dựa trên dữ liệu đầu vào (ví dụ: "Hôm qua trời rất nóng...").
+Forecast Insights (Why?): Dynamically generated insights based on input features (e.g., "💡 Insight: Yesterday was very hot (30.5°C). The model is using this strong 'persistence' signal...").
 
-Feature Inspector: Một khu vực có thể thu gọn để kiểm tra các giá trị (features) quan trọng mà mô hình đã "nhìn thấy" khi đưa ra dự đoán.
+Feature Inspector: A collapsible section to "look under the hood" at the key feature values the model used for its prediction.
 
-Biểu đồ Trực quan:
+Interactive Visualizations:
 
-Training Set Overview: Biểu đồ toàn bộ dữ liệu huấn luyện với thanh trượt (slider).
+Training Set Overview: A plot of the entire training dataset with an interactive range slider.
 
-Historical Context: So sánh 14 ngày lịch sử (thực tế) với 5 ngày dự báo (dự đoán).
+Historical Context: Compares 14 days of actual history against the 5-day forecast.
 
-Forecast vs. Actual: Tự động so sánh dự báo (màu đỏ) với thực tế (màu xanh) nếu có đủ dữ liệu.
+Smart Forecast Plot: Intelligently plots the forecast (red line) against the actuals (blue line), hiding the actuals if they are not yet available (for future dates).
 
-📊 Model Performance & Diagnostics (Hiệu suất Mô hình)
-Performance Degradation: Biểu đồ đường cho thấy lỗi (RMSE) và độ chính xác (R²) của mô hình thay đổi như thế nào từ Ngày 1 đến Ngày 5.
+📊 Model Performance & Diagnostics
+Performance Degradation: Line charts showing how model error (RMSE) and accuracy (R²) degrade from Day 1 to Day 5.
 
-Interactive Slider: Một thanh trượt cho phép người dùng chọn ngày dự báo (1-5) và xem biểu đồ phân tán (scatter plot) so sánh Dự báo vs. Thực tế cho riêng ngày đó.
+Interactive Slider: A powerful slider (1-5) that dynamically updates the "Forecast vs. Actual" scatter plot to inspect performance for that specific day's model.
 
-Champion Model Diagnostics: Phân tích sâu về lỗi (residuals) của mô hình để chứng minh tính ổn định.
+Champion Model Diagnostics: Deep-dive residual plots (Residuals vs. Time, Distribution) to prove model stability and lack of bias.
 
-⏱️ Hourly Prediction (Dự báo 24 giờ)
-Chọn Thời gian: Cho phép người dùng chọn Ngày và Giờ để bắt đầu dự báo.
+⏱️ Hourly Prediction
+Time Selector: Allows users to select a specific Date and Hour to start the 24-hour forecast.
 
-Metrics 24 giờ: Hiển thị các dự đoán điểm (T+2h, T+3h, T+24h) và các giá trị tổng hợp (Trung bình, Cao nhất) cùng với giá trị thực tế (nếu có).
+24-Hour Metrics: Displays point forecasts (T+2h, T+3h, T+24h) and aggregate values (Average, Max) against their real-time actuals (if available).
 
-Biểu đồ Lịch sử & Dự báo (Hàng giờ): Hiển thị 24 giờ lịch sử (thực tế) và 24 giờ dự báo (dự đoán).
+Hourly Historical Context: Plots the past 24 hours of actual data against the next 24 hours of forecasted data.
 
-Biểu đồ So sánh (Hàng giờ): Tự động so sánh 24 giờ dự báo (màu đỏ) với 24 giờ thực tế (màu xanh).
+Hourly Smart Plot: Compares the 24-hour forecast (red) against the 24-hour actuals (blue), hiding actuals if they are not yet available.
 
-Model Reliability: Biểu đồ đường RMSE cho thấy lỗi của mô hình hàng giờ tăng lên như thế nào từ T+1h đến T+24h.
+Model Reliability: An RMSE line plot showing the model's error degradation from T+1h to T+24h.
 
-🛠️ Công nghệ sử dụng (Tech Stack)
+🛠️ Tech Stack
 Frontend: Streamlit, Plotly
 
-Xử lý Dữ liệu: Pandas, NumPy
+Data Science: Pandas, NumPy
+
+Machine Learning: Scikit-learn (for Stacking), LightGBM
 
-Mô hình ML: Scikit-learn (cho Stacking), LightGBM (cho mô hình hàng giờ)
+Model Serving: Joblib
 
-Tải mô hình: Joblib
+Hosting: Hugging Face Spaces
 
-📂 Cấu trúc Dự án
+📂 Project Structure
 /
-├── app.py                      # Script Streamlit chính
-├── requirements.txt            # Các thư viện Python cần thiết
-├── README.md                   # File bạn đang đọc
+├── app.py                      # Main Streamlit application script
+├── requirements.txt            # Required Python packages
+├── README.md                   # This file
 │
 ├── data/
-│   ├── final_dataset_tree.csv            # Dữ liệu features/targets hàng ngày
-│   ├── final_hourly_feature_dataset.csv  # Dữ liệu features/targets hàng giờ
-│   ├── final_5_day_results_df.csv      # Dữ liệu hiệu suất (RMSE/R2) hàng ngày
-│   ├── hourly_120h_evaluation_results.csv # Dữ liệu hiệu suất (RMSE) hàng giờ
-│   └── results_df_all_tuned.csv        # Dữ liệu leaderboard
+│   ├── final_dataset_tree.csv            # Daily features/targets
+│   ├── final_hourly_feature_dataset.csv  # Hourly features/targets
+│   ├── final_5_day_results_df.csv      # Daily model performance (RMSE/R2)
+│   ├── hourly_120h_evaluation_results.csv # Hourly model performance (RMSE)
+│   └── results_df_all_tuned.csv        # Model selection leaderboard
 │
 ├── models/
-│   ├── champion_stacking_day1.pkl    # ... (5 mô hình hàng ngày)
-│   └── lgbm_model_target_temp_next_1h.pkl # ... (24 mô hình hàng giờ)
+│   ├── champion_stacking_day1.pkl    # ... (5 daily models)
+│   └── lgbm_model_target_temp_next_1h.pkl # ... (24 hourly models)
 │
 └── src/
-    ├── benchmark_utils.py          # Hàm tải leaderboard
-    └── diagnostic_plots.py         # Hàm vẽ biểu đồ hiệu suất
+    ├── benchmark_utils.py          # Utility for loading the leaderboard
+    └── diagnostic_plots.py         # Utility for plotting performance graphs