fix import test 5 e modello come modulo

MLOps_project/CI/test_ci.py

@@ -1,4 +1,4 @@
-from modello import *
+import modello
 
 class TestClass :
     """

MLOps_project/modello.py

@@ -3,23 +3,23 @@ from transformers import pipeline
 from datasets import load_dataset
 import pandas as pd
 
-# Import del modello da Hugging Face
-sentiment_task = pipeline("sentiment-analysis", model="cardiffnlp/twitter-roberta-base-sentiment-latest", tokenizer="cardiffnlp/twitter-roberta-base-sentiment-latest")
+# funzione che setta le impostazioni base del modello
+def set_modello(self) :
+    # Import del modello da Hugging Face
+    sentiment_task = pipeline("sentiment-analysis", model="cardiffnlp/twitter-roberta-base-sentiment-latest", tokenizer="cardiffnlp/twitter-roberta-base-sentiment-latest")
+    return sentiment_task
 
-# Import di un dataset da Hugging Face
-ds = load_dataset("SetFit/tweet_sentiment_extraction")
-# Il dataset viene splittato autometicamente in train set e test set da load_dataset
-# Per comodità trasformo i dataset in dataframe di pandas
-df_train = ds['train'].to_pandas()
-df_test = ds['test'].to_pandas()
+def set_dataset(self) :
+    # Import di un dataset da Hugging Face
+    ds = load_dataset("SetFit/tweet_sentiment_extraction")
+    # Il dataset viene splittato autometicamente in train set e test set da load_dataset
+    # Per comodità trasformo i dataset in dataframe di pandas
+    df_train = ds['train'].to_pandas()
+    df_test = ds['test'].to_pandas()
 
-X_train = df_train['text'].values
-y_train = df_train['label_text'].values
-X_test = df_test['text'].values
-y_test = df_test['label_text'].values
+    X_train = df_train['text'].values
+    y_train = df_train['label_text'].values
+    X_test = df_test['text'].values
+    y_test = df_test['label_text'].values
 
-# Estraggo il modello
-model = sentiment_task.model
-
-# Ri-addestro il modello sul dataset importato
-model.fit(X_train,y_train)
+    return X_train,X_test,y_train,y_test