Update app.py

app.py

@@ -1,42 +1,42 @@
-# --- 1. IMPORT THƯ VIỆN ---
+# --- 1. IMPORT LIBRARIES ---
 import streamlit as st
 import pandas as pd
 import joblib
 import plotly.graph_objects as go
 from datetime import datetime
 
-# Import các script tiện ích của bạn từ thư mục 'src'
+# Import your utility scripts from the 'src' directory
 try:
     from src import benchmark_utils
     from src import diagnostic_plots as diag
 except ImportError:
-    st.error("Lỗi: Không tìm thấy file 'src/benchmark_utils.py' hoặc 'src/diagnostic_plots.py'. "
-             "Hãy đảm bảo chúng tồn tại trong thư mục 'src/'.")
+    st.error("Error: Could not find 'src/benchmark_utils.py' or 'src/diagnostic_plots.py'. "
+             "Please ensure they exist in the 'src/' directory.")
     st.stop()
 
-# --- 2. CẤU HÌNH TRANG WEB ---
+# --- 2. PAGE CONFIGURATION ---
 st.set_page_config(
     page_title="Saigon Temperature Forecast",
     page_icon="🌦️",
     layout="wide"
 )
 
-# --- 3. CÁC HÀM TẢI DỮ LIỆU & MÔ HÌNH (VỚI CACHING) ---
-# Mục 1 & 2 trong checklist: Tải mọi thứ nặng bằng cache
+# --- 3. DATA & MODEL LOADING FUNCTIONS (WITH CACHING) ---
+# Checklist Items 1 & 2: Cache all heavy operations
 
 @st.cache_data
 def load_feature_data(file_path="data/final_dataset_tree.csv"):
-    """Tải dữ liệu features và targets, chuyển đổi index thành datetime."""
+    """Loads features and targets, converts index to datetime."""
     try:
         df = pd.read_csv(file_path)
         
-        # --- TÙY CHỈNH QUAN TRỌNG ---
-        # Đảm bảo 'datetime' là tên cột ngày tháng trong file CSV của bạn
+        # --- CRITICAL CUSTOMIZATION ---
+        # Ensure 'datetime' is your date column in the CSV
         DATE_COLUMN = 'datetime' 
         
         if DATE_COLUMN not in df.columns:
-            st.error(f"Lỗi: Không tìm thấy cột ngày tháng '{DATE_COLUMN}' trong 'final_dataset_tree.csv'. "
-                     f"Vui lòng cập nhật biến DATE_COLUMN trong 'app.py'.")
+            st.error(f"Error: Date column '{DATE_COLUMN}' not found in 'final_dataset_tree.csv'. "
+                     f"Please update the DATE_COLUMN variable in 'app.py'.")
             return pd.DataFrame()
         
         df[DATE_COLUMN] = pd.to_datetime(df[DATE_COLUMN])
@@ -44,12 +44,12 @@ def load_feature_data(file_path="data/final_dataset_tree.csv"):
         df = df.sort_index()
         return df
     except FileNotFoundError:
-        st.error(f"LỖI: Không tìm thấy file data chính tại: {file_path}")
+        st.error(f"ERROR: Main data file not found at: {file_path}")
         return pd.DataFrame()
 
 @st.cache_resource
 def load_champion_models():
-    """Tải 5 mô hình chuyên gia (specialist models) từ checklist."""
+    """Loads the 5 specialist models from the checklist."""
     models = []
     try:
         for i in range(1, 6):
@@ -58,32 +58,31 @@ def load_champion_models():
             models.append(model)
         return models
     except FileNotFoundError as e:
-        st.error(f"LỖI: Không tìm thấy file mô hình. Đã kiểm tra: {e.filename}. "
-                 "Hãy đảm bảo 5 file .pkl nằm trong thư mục 'models/'.")
+        st.error(f"ERROR: Model file not found. Checked: {e.filename}. "
+                 "Ensure the 5 .pkl files are in the 'models/' directory.")
         return []
 
-@st.cache_data
-def load_performance_data(file_path="data/final_5_day_results_df.csv"):
-    """Tải dữ liệu hiệu suất đã tính toán trước cho Tab 3."""
+@st.cache_datadef load_performance_data(file_path="data/final_5_day_results_df.csv"):
+    """Loads pre-calculated performance data for Tab 3."""
     try:
         df = pd.read_csv(file_path)
         return df
     except FileNotFoundError:
-        st.error(f"LỖI: Không tìm thấy file hiệu suất tại: {file_path}")
+        st.error(f"ERROR: Performance file not found at: {file_path}")
         return pd.DataFrame()
 
-# --- 4. KHỞI TẠO DỮ LIỆU & TÁCH TEST SET ---
+# --- 4. INITIALIZE DATA & SPLIT TEST SET ---
 
-# Tải tất cả dữ liệu và mô hình
+# Load all data and models
 all_data_df = load_feature_data()
 models = load_champion_models()
 perf_df = load_performance_data()
 
-# --- TÙY CHỈNH QUAN TRỌNG ---
+# --- CRITICAL CUSTOMIZATION ---
 TARGET_COLS = ['temp_next_1_day', 'temp_next_2_day', 'temp_next_3_day', 'temp_next_4_day', 'temp_next_5_day']
 CURRENT_TEMP_COL = 'temp' 
 
-# Tách test set (dựa trên ngày trong checklist)
+# Split test set (based on checklist dates)
 TEST_START_DATE = "2024-02-18"
 TEST_END_DATE = "2025-09-26"
 
@@ -93,26 +92,26 @@ if not all_data_df.empty:
     try:
         test_df = all_data_df.loc[TEST_START_DATE:TEST_END_DATE].copy()
         
-        # Giả định: 157 features là TẤT CẢ các cột KHÔNG PHẢI là target
+        # Assumption: 157 features are ALL columns that are NOT targets
         feature_cols = [col for col in all_data_df.columns if col not in TARGET_COLS]
         
-        # Tách X_test (features) và y_test (thực tế)
-        # Sửa lỗi logic: X_test phải được lấy từ test_df
+        # Split X_test (features) and y_test (actuals)
+        # Logic fix: X_test must be derived from test_df
         X_test = test_df[feature_cols] 
         y_test = test_df[TARGET_COLS]
         
-        # Đổi tên cột y_test cho dễ hiểu (dùng trong Tab 3)
+        # Rename y_test columns for clarity (used in Tab 3)
         y_test.columns = [f'Day {i}' for i in range(1, 6)]
     except KeyError:
-        st.error(f"Lỗi: Không tìm thấy cột target (ví dụ: '{TARGET_COLS[0]}') hoặc cột "
-                 f"'{CURRENT_TEMP_COL}' trong file CSV. Vui lòng cập nhật 'app.py'.")
+        st.error(f"Error: Target columns (e.g., '{TARGET_COLS[0]}') or "
+                 f"'{CURRENT_TEMP_COL}' column not found in CSV. Please update 'app.py'.")
     except Exception as e:
-        st.error(f"Lỗi khi xử lý test set: {e}")
+        st.error(f"Error processing test set: {e}")
 else:
-    st.error("Không thể tải dữ liệu chính, ứng dụng không thể tiếp tục.")
+    st.error("Could not load main data, application cannot continue.")
     st.stop()
 
-# --- 5. GIAO DIỆN SIDEBAR (THANH ĐIỀU HƯỚNG) ---
+# --- 5. SIDEBAR NAVIGATION ---
 
 st.sidebar.title("Navigation")
 app_section = st.sidebar.radio(
@@ -120,7 +119,7 @@ app_section = st.sidebar.radio(
     ("Project Overview & Methodology", "Live 5-Day Forecast", "Model Performance & Diagnostics")
 )
 
-# Date input chỉ hiển thị khi ở tab "Live Forecast"
+# Date input only shows on the "Live Forecast" tab
 selected_date = None
 if app_section == "Live 5-Day Forecast":
     st.sidebar.header("Forecast Input")
@@ -140,123 +139,116 @@ if app_section == "Live 5-Day Forecast":
         st.sidebar.error("Test data could not be loaded.")
 
 
-# --- 6. GIAO DIỆN CHÍNH (MAIN PANEL) ---
+# --- 6. MAIN PANEL DISPLAY ---
 
 if app_section == "Project Overview & Methodology":
-    # --- MỤC 3 TRONG CHECKLIST ---
+    # --- CHECKLIST ITEM 3 ---
     st.title("Saigon Temperature Forecasting Application 🌦️")
     
     st.subheader("Project Summary")
     st.markdown("""
-    Mục tiêu của dự án này là dự đoán nhiệt độ trung bình hàng ngày cho TP. Hồ Chí Minh trong 5 ngày tới.
+    The goal of this project is to forecast the average daily temperature for Ho Chi Minh City for the next 5 days.
     
-    * **Dữ liệu:** Dữ liệu thời tiết lịch sử 10 năm từ Visual Crossing.
-    * **Mô hình:** Chúng tôi sử dụng 5 mô hình 'chuyên gia' (specialist models) - mỗi mô hình được tối ưu để dự đoán một ngày cụ thể trong tương lai (T+1 đến T+5).
+    * **Data:** 10 years of historical weather data from Visual Crossing.
+    * **Model:** We use 5 'specialist' models - each model is optimized to predict a specific future day (T+1 to T+5).
     """)
     
     st.subheader("Our 'Two-Stream' Strategy")
     st.markdown("""
-    Để tối ưu hóa hiệu suất, chúng tôi đã áp dụng chiến lược "Hai luồng" (Two-Stream):
-    1.  **Luồng 1 (Linear Models):** Các mô hình tuyến tính (như Linear Regression) được huấn luyện trên một bộ features đã được tinh gọn (sử dụng VIF) để tránh đa cộng tuyến.
-    2.  **Luồng 2 (Tree-based Models):** Các mô hình phức tạp hơn (như Random Forest, Gradient Boosting) được huấn luyện trên một bộ features toàn diện (157 features) để nắm bắt các mối quan hệ phi tuyến.
+    To optimize performance, we applied a "Two-Stream" strategy:
+    1.  **Stream 1 (Linear Models):** Linear models (like Linear Regression) were trained on a feature set pruned using VIF to avoid multicollinearity.
+    2.  **Stream 2 (Tree-based Models):** More complex models (like Random Forest, Gradient Boosting) were trained on a comprehensive set of 157 features to capture non-linear relationships.
     
-    Mô hình chiến thắng (Champion Model) của chúng tôi là một mô hình **Stacking** từ Luồng 2, cho thấy hiệu suất vượt trội.
+    Our Champion Model is a **Stacking** model from Stream 2, which demonstrated superior performance.
     """)
     
     st.subheader("Final Model Leaderboard")
-    st.markdown("Bảng xếp hạng các mô hình dựa trên điểm RMSE trung bình (càng thấp càng tốt).")
+    st.markdown("Model leaderboard ranked by average RMSE score (lower is better).")
     
-    # Gọi hàm từ benchmark_utils.py
+    # Call function from benchmark_utils.py
     leaderboard_df = benchmark_utils.load_leaderboard()
     
     if not leaderboard_df.empty:
-        # Hiển thị 10 mô hình hàng đầu
+        # Display top 10 models
         st.dataframe(leaderboard_df.head(10), use_container_width=True)
     else:
-        st.warning("Không thể tải dữ liệu leaderboard.")
+        st.warning("Could not load leaderboard data.")
 
 # --------------------------------------------------------------------
 
 elif app_section == "Live 5-Day Forecast":
-    # --- MỤC 4 TRONG CHECKLIST ---
+    # --- CHECKLIST ITEM 4 ---
     st.title("Live 5-Day Forecast")
     
     if selected_date and not X_test.empty and models:
-        st.header(f"Dự báo cho 5 ngày tới từ: {selected_date.strftime('%Y-%m-%d')}")
+        st.header(f"5-Day Forecast from: {selected_date.strftime('%Y-%m-%d')}")
         
-        # 1. Lấy Input Features
+        # 1. Get Input Features
         selected_date_ts = pd.Timestamp(selected_date)
         
-        # Sửa lỗi logic: input_features phải được lấy từ X_test
+        # Logic fix: input_features must be from X_test
         if selected_date_ts in X_test.index:
             input_features = X_test.loc[[selected_date_ts]]
         else:
-            st.error("Không tìm thấy dữ liệu cho ngày đã chọn trong X_test.")
-            input_features = pd.DataFrame() # Tạo dataframe rỗng để tránh lỗi sau
+            st.error("Data not found for the selected date in X_test.")
+            input_features = pd.DataFrame() # Create empty dataframe to avoid errors later
 
         if input_features.empty:
-            st.error("Không tìm thấy dữ liệu cho ngày đã chọn.")
+            st.error("Data not found for the selected date.")
         else:
-            # 2. Tạo dự đoán
+            # 2. Generate Predictions
             predictions = []
             for i in range(5):
-                model = models[i] # Lấy mô hình T+i
+                model = models[i] # Get T+i model
                 pred = model.predict(input_features)[0]
                 predictions.append(pred)
             
-            # 3. Hiển thị dự đoán (dùng st.metric)
+            # 3. Display Predictions (using st.metric)
             forecast_dates = pd.date_range(start=selected_date, periods=6, freq='D')[1:]
             cols = st.columns(5)
             
-            # Lấy giá trị thực tế để so sánh
-            #actual_values = y_test.loc[selected_date_ts].values
-            
-            # --- ÁP DỤNG LOGIC (1) TỪ CODE THAM KHẢO ---
-            # Kiểm tra xem có bất kỳ giá trị 'Actual' nào bị thiếu không
-            #is_partial_forecast = any(pd.isna(v) for v in actual_values)
-            # ----------------------------------------------
-            
-            # Lấy giá trị thực tế để so sánh
-            # --- SỬA LỖI LOGIC: Lấy 'actual_values' từ all_data_df ---
-            # Chúng ta cần lấy các cột target (ví dụ: 'temp_next_1_day')
-            # từ BẢNG DỮ LIỆU GỐC tại ngày đã chọn.
+            # Get actual values for comparison
+            # --- LOGIC FIX: Get 'actual_values' from all_data_df ---
+            # We need to get the target columns (e.g., 'temp_next_1_day')
+            # from the ORIGINAL DATAFRAME at the selected date.
             
             actual_values = []
             if selected_date_ts in all_data_df.index:
-                # Lấy 1 dòng từ dataframe gốc
+                # Get the row from the original dataframe
                 actual_row = all_data_df.loc[selected_date_ts]
                 
-                # Lấy giá trị từ các cột target (temp_next_1_day, v.v.)
+                # Get values from the target columns (temp_next_1_day, etc.)
                 for col_name in TARGET_COLS:
                     actual_values.append(actual_row[col_name])
             else:
-                # Trường hợp dự phòng nếu không tìm thấy ngày (dù hiếm)
-                actual_values = [float('nan')] * 5 # Tạo 5 giá trị NaN
+                # Fallback case if date not found (rare)
+                actual_values = [float('nan')] * 5 # Create 5 NaN values
             
-            # --- ÁP DỤNG LOGIC (1) TỪ CODE THAM KHẢO ---
-            # Kiểm tra xem có bất kỳ giá trị 'Actual' nào bị thiếu không
+            # --- APPLYING LOGIC (1) FROM REFERENCE CODE ---
+            # Check if any 'Actual' values are missing
             is_partial_forecast = any(pd.isna(v) for v in actual_values)
-            
+            # ----------------------------------------------
+
             for i in range(5):
                 with cols[i]:
                     
-                    # --- SỬA LỖI 1 (TINH CHỈNH): Sử dụng logic pd.notna từ code tham khảo ---
+                    # --- FIX 1 (REFINED): Use pd.notna logic from reference code ---
                     actual_val = actual_values[i]
                     delta_text = f"Actual: {actual_val:.1f}°C" if pd.notna(actual_val) else "Actual: --"
-                    # --- KẾT THÚC SỬA LỖI 1 ---
+                    # --- END FIX 1 ---
 
                     st.metric(
                         label=f"Forecast for {forecast_dates[i].strftime('%b %d')}",
                         value=f"{predictions[i]:.1f}°C",
-                        delta=delta_text, # Sử dụng delta_text đã kiểm tra
-                        delta_color="off" # Màu xám trung tính
+                        delta=delta_text, # Use the checked delta_text
+                        delta_color="off" # Neutral gray color
                     )
 
-            # --- THÊM MỚI 2: BIỂU ĐỒ DỮ LIỆU TRAINING (THEO YÊU CẦU) ---
+            # --- NEW ADDITION 2: TRAINING DATA PLOT (PER REQUEST) ---
             st.subheader("Training Set Overview")
-            with st.expander("Hiển thị biểu đồ toàn bộ dữ liệu training (trước 2024-02-18)"):
+            with st.expander("Show plot of all training data (before 2024-02-18)"):
                 
-                # Xác định phạm vi training data
+                # Define training data range
                 train_end_date = pd.Timestamp(TEST_START_DATE) - pd.Timedelta(days=1)
                 train_df = all_data_df.loc[:train_end_date][CURRENT_TEMP_COL]
                 
@@ -264,7 +256,7 @@ elif app_section == "Live 5-Day Forecast":
                 fig_train.add_trace(go.Scatter(
                     x=train_df.index, y=train_df,
                     mode='lines', name='Training Data (Actual)',
-                    line=dict(color='#005aa7', width=1) # Màu xanh
+                    line=dict(color='#005aa7', width=1) # Blue
                 ))
                 fig_train.update_layout(
                     title="Actual Temperature - Full Training Set",
@@ -272,19 +264,19 @@ elif app_section == "Live 5-Day Forecast":
                     template="plotly_white"
                 )
                 st.plotly_chart(fig_train, use_container_width=True)
-            # --- KẾT THÚC THÊM MỚI 2 ---
+            # --- END NEW ADDITION 2 ---
 
-            # 4. Biểu đồ (Optimal Suggestion)
+            # 4. Plot (Optimal Suggestion)
             st.subheader("Historical Context & Forecast")
             
-            # Lấy 14 ngày lịch sử
+            # Get last 14 days of history
             history_start = selected_date_ts - pd.Timedelta(days=14)
             history_end = selected_date_ts
             
-            # Lấy dữ liệu 'temp' thực tế từ dataframe gốc
+            # Get 'temp' data from the original dataframe
             history_df = all_data_df.loc[history_start:history_end][CURRENT_TEMP_COL]
             
-            # Tạo dataframe cho dự báo
+            # Create dataframe for forecast
             forecast_df = pd.DataFrame({
                 'Date': forecast_dates,
                 'Forecast': predictions
@@ -311,12 +303,12 @@ elif app_section == "Live 5-Day Forecast":
             st.plotly_chart(fig, use_container_width=True)
 
 
-            # --- ÁP DỤNG LOGIC (2) TỪ CODE THAM KHẢO ---
+            # --- APPLYING LOGIC (2) FROM REFERENCE CODE ---
             st.subheader("5-Day Forecast vs. Actual Comparison")
 
             if is_partial_forecast:
-                st.info("Không thể vẽ biểu đồ so sánh Actual vs. Forecast vì "
-                        "đã chọn ngày quá gần cuối test set (thiếu dữ liệu 'thực tế').")
+                st.info("Cannot draw the Actual vs. Forecast comparison chart because "
+                        "the selected date is too close to the end of the test set (missing 'actual' data).")
             else:
                 fig_comp = go.Figure()
                 
@@ -340,36 +332,36 @@ elif app_section == "Live 5-Day Forecast":
                     template="plotly_white", legend=dict(x=0.01, y=0.99)
                 )
                 st.plotly_chart(fig_comp, use_container_width=True)
-            # --- KẾT THÚC ÁP DỤNG LOGIC (2) ---
+            # --- END APPLYING LOGIC (2) ---
 
     else:
-        st.warning("Vui lòng đợi... Đang tải dữ liệu hoặc mô hình.")
+        st.warning("Please wait... Loading data or models.")
 
 # --------------------------------------------------------------------
 
 elif app_section == "Model Performance & Diagnostics":
-    # --- MỤC 5 TRONG CHECKLIST ---
+    # --- CHECKLIST ITEM 5 ---
     st.title("Model Performance & Diagnostics")
     
     if not perf_df.empty and not y_test.empty:
         st.subheader("Performance Degradation over 5 Days")
-        st.markdown("Hiệu suất mô hình thay đổi như thế nào khi dự báo xa hơn.")
+        st.markdown("How model performance changes as the forecast horizon increases.")
         
-        # Lọc chỉ model Champion
+        # Filter for Champion model only
         MODEL_NAME = 'Champion (Stacking)'
         champion_perf_df = perf_df[perf_df['Model'] == MODEL_NAME].copy()
 
-        # 1. Biểu đồ suy giảm hiệu suất (RMSE & R2)
+        # 1. Performance Degradation Plots (RMSE & R2)
         
-        # --- TÙY CHỈNH ---
-        # Đảm bảo 'RMSE' và 'R2' là tên cột chính xác trong file 'final_5_day_results_df.csv'
+        # --- CUSTOMIZATION ---
+        # Ensure 'RMSE' and 'R2' column names are correct for 'final_5_day_results_df.csv'
         RMSE_COL_NAME = 'RMSE (Absolute Error)' 
         R2_COL_NAME = 'R-squared'     
         
         col1, col2 = st.columns(2)
         with col1:
             fig_rmse = diag.plot_performance_degradation(
-                champion_perf_df, # Dùng df đã lọc
+                champion_perf_df, # Use filtered df
                 metric_column=RMSE_COL_NAME, 
                 metric_name='RMSE (Temperature °C)',
                 color='blue'
@@ -377,21 +369,21 @@ elif app_section == "Model Performance & Diagnostics":
             st.plotly_chart(fig_rmse, use_container_width=True)
         with col2:
             fig_r2 = diag.plot_performance_degradation(
-                champion_perf_df, # Dùng df đã lọc
+                champion_perf_df, # Use filtered df
                 metric_column=R2_COL_NAME, 
                 metric_name='R-squared (R²)',
                 color='green'
             )
             st.plotly_chart(fig_r2, use_container_width=True)
         
-        # 2. Biểu đồ Dự báo vs. Thực tế
+        # 2. Forecast vs. Actual Plots
         st.subheader("Forecast vs. Actual Comparison (on entire test set)")
         
-        # Hàm này chạy dự đoán trên *toàn bộ* X_test (hàng ngàn dòng)
-        # Nó sẽ rất chậm nếu không có cache
+        # This function runs predictions on the *entire* X_test (thousands of rows)
+        # It will be slow without caching
         @st.cache_data
         def get_full_test_predictions(_models, _X_test):
-            """Chạy dự đoán trên toàn bộ test set và cache lại."""
+            """Run predictions on the entire test set and cache the results."""
             all_preds = {}
             for i in range(5):
                 model = _models[i]
@@ -418,9 +410,9 @@ elif app_section == "Model Performance & Diagnostics":
             )
             st.plotly_chart(fig_d5, use_container_width=True)
 
-        # 3. Mục Tùy chọn: Deep Dive Expander
+        # 3. Optional: Deep Dive Expander
         with st.expander("Champion Model Diagnostics (Deep Dive)"):
-            st.markdown("Phân tích chi tiết phần dư (lỗi = thực tế - dự báo) cho dự báo Day 1.")
+            st.markdown("Detailed analysis of residuals (error = actual - predicted) for the Day 1 forecast.")
             
             y_true_d1 = y_test['Day 1']
             y_pred_d1 = y_pred_test['Day 1']
@@ -435,8 +427,8 @@ elif app_section == "Model Performance & Diagnostics":
                 y_true_d1, y_pred_d1, "Day 1"
             )
             st.plotly_chart(fig_res_dist, use_container_width=True)
-            st.markdown("Một mô hình tốt sẽ có phần dư (lỗi) phân phối chuẩn (hình chuông) "
-                        "quanh giá trị 0 và không có xu hướng (pattern) nào theo thời gian.")
+            st.markdown("A good model will have residuals (errors) normally distributed (bell curve) "
+                        "around 0 and show no pattern over time.")
     
     else:
-        st.warning("Đang tải dữ liệu hiệu suất...")
+        st.warning("Loading performance data...")