fix(l3_classifier): select only the model feature

src/agents/l3_classifier.py

@@ -13,17 +13,37 @@ class Classifier:
         except Exception as e:
             raise HTTPException(status_code=500, detail=f"Erreur lors du chargement du modèle: {e}")
 
-    def predict(self, data):
-        try:
-            # Préparer les features
-            X = data[self.features]
+        def predict(self, data):
+            try:
+                if self.features is None:
+                    raise HTTPException(status_code=500, detail="Liste des features du modèle introuvable")
 
-            # Standardisation si scaler présent
-            if self.scaler is not None:
-                X = self.scaler.transform(X)
+                # Sélectionner uniquement les features utilisées lors de l'entraînement
+                X = data[self.features]
 
-            # Prédictions
-            preds = self.model.predict(X)
-            return preds.tolist()
-        except Exception as e:
-            raise HTTPException(status_code=500, detail=f"Erreur lors de la prédiction: {e}")
+                # Standardisation si scaler présent
+                if self.scaler is not None:
+                    X = self.scaler.transform(X)
+
+                # Prédictions
+                preds = self.model.predict(X)
+                return preds.tolist()
+            except KeyError as e:
+                raise HTTPException(status_code=500, detail=f"Colonne manquante dans les données: {e}")
+            except Exception as e:
+                raise HTTPException(status_code=500, detail=f"Erreur lors de la prédiction: {e}")
+
+    # def predict(self, data):
+    #     try:
+    #         # Préparer les features
+    #         X = data[self.features]
+
+    #         # Standardisation si scaler présent
+    #         if self.scaler is not None:
+    #             X = self.scaler.transform(X)
+
+    #         # Prédictions
+    #         preds = self.model.predict(X)
+    #         return preds.tolist()
+    #     except Exception as e:
+    #         raise HTTPException(status_code=500, detail=f"Erreur lors de la prédiction: {e}")