model.py

import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.tree import DecisionTreeClassifier
import pickle

# قراءة البيانات
df = pd.read_csv("data.csv")

# تحويل القيم النصية لأرقام
df["Document_Status"] = df["Document_Status"].map({"active": 0, "expiring": 1})
df["Risk_Level"] = df["Risk_Level"].map({"Low": 0, "High": 1})

# ميزات إضافية لتتناسب مع التطبيق:
# - تغيّر الجهاز device_flag
# - تغيّر الموقع location_flag
# سنضيف أعمدة وهمية حتى يقبلها النموذج

df["Device_Flag"] = 0
df["Location_Flag"] = 0

# تجهيز البيانات
X = df[["Days_Left", "Document_Status", "Device_Flag", "Location_Flag"]]
y = df["Risk_Level"]

# تدريب النموذج
model = DecisionTreeClassifier()
model.fit(X, y)

# حفظ النموذج
pickle.dump(model, open("prediction_model.sav", "wb"))

print("Model trained successfully with 4 features!")