app.py

import streamlit as st
import pandas as pd
import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt

from sklearn.ensemble import RandomForestClassifier, GradientBoostingClassifier
from sklearn.linear_model import LogisticRegression
from sklearn.svm import SVC
from sklearn.neural_network import MLPClassifier
from sklearn.model_selection import train_test_split, GridSearchCV
from sklearn.pipeline import Pipeline
from sklearn.preprocessing import StandardScaler
from sklearn.metrics import (
    roc_auc_score, precision_score, recall_score, 
    f1_score, confusion_matrix, accuracy_score
)

# Configurazione della pagina
st.set_page_config(page_title="APA - AI Parts Analyzer", page_icon="🔍", layout="wide")

#########################################
# Definizione dei modelli Transformer dummy
#########################################
class DummyTabTransformerClassifier:
    def __init__(self):
        # Placeholder per TabTransformer
        self.clf = MLPClassifier(hidden_layer_sizes=(100,), max_iter=500, random_state=42)
    def fit(self, X, y):
        self.clf.fit(X, y)
        return self
    def predict(self, X):
        return self.clf.predict(X)
    def predict_proba(self, X):
        return self.clf.predict_proba(X)

class DummySAINTClassifier:
    def __init__(self):
        # Placeholder per SAINT
        self.clf = MLPClassifier(hidden_layer_sizes=(50,50), max_iter=500, random_state=42)
    def fit(self, X, y):
        self.clf.fit(X, y)
        return self
    def predict(self, X):
        return self.clf.predict(X)
    def predict_proba(self, X):
        return self.clf.predict_proba(X)

# Dizionario dei modelli con alcune configurazioni iniziali
MODELS = {
    "Random Forest": RandomForestClassifier(random_state=42, n_estimators=100),
    "Gradient Boosting": GradientBoostingClassifier(random_state=42, n_estimators=100),
    "Logistic Regression": LogisticRegression(random_state=42, max_iter=1000),
    "Support Vector Machine": SVC(probability=True, random_state=42),
    "TabTransformer": DummyTabTransformerClassifier(),
    "SAINT": DummySAINTClassifier()
}

def reset_app():
    """Resetta lo stato dell'applicazione"""
    st.session_state.clear()
    st.success("Applicazione resettata. Puoi iniziare da capo.")

def clean_dataset(data):
    """Pulizia iniziale del dataset: conversione di colonne 'object' in numerico se possibile."""
    for col in data.columns:
        if data[col].dtype == "object":
            converted_col = pd.to_numeric(data[col], errors='coerce')
            if converted_col.notnull().mean() > 0.5:
                data[col] = converted_col
                st.write(f"Colonna '{col}' convertita in formato numerico.")
    return data

def prepare_dataset():
    """Fase di preparazione e esplorazione del dataset"""
    st.title("📊 Preparazione del Dataset")
    
    with st.expander("Configura il tuo dataset", expanded=True):
        data_option = st.radio("Scegli la fonte del dataset", 
                              ["Genera dati sintetici", "Carica un CSV"],
                              horizontal=True)
        
        if data_option == "Genera dati sintetici":
            st.subheader("Generazione Dati Sintetici")
            n_samples = st.slider("Numero di campioni", 100, 2000, 500)
            
            np.random.seed(42)
            eta_uso = np.random.randint(0, 15, size=n_samples)
            frequenza_uso = np.random.randint(1, 24, size=n_samples)
            costo_riparazione = np.random.randint(50, 500, size=n_samples)
            valore_residuo = np.random.randint(100, 1000, size=n_samples)
            
            profittevole = [1 if vr - cr - (e * 10) > 0 else 0
                           for e, fr, cr, vr in zip(eta_uso, frequenza_uso, costo_riparazione, valore_residuo)]
            
            data = pd.DataFrame({
                "eta_uso": eta_uso, 
                "frequenza_uso": frequenza_uso,
                "costo_riparazione": costo_riparazione, 
                "valore_residuo": valore_residuo,
                "Profittevole": profittevole
            })
            
        else:
            uploaded_file = st.file_uploader("Carica un file CSV", type=['csv'])
            if uploaded_file is None:
                st.info("Carica un file CSV per procedere.")
                return None
            
            try:
                data = pd.read_csv(uploaded_file)
            except Exception as e:
                st.error(f"Errore nel caricamento del file: {e}")
                return None
            
            # Se il dataset ha una sola colonna e il primo record contiene il delimitatore ";",
            # si tenta di rileggerlo usando il separatore corretto.
            if data.shape[1] == 1 and data.iloc[0, 0].find(';') != -1:
                st.info("Il file sembra essere tabulato male. Rilettura con separatore ';'.")
                uploaded_file.seek(0)  # Resetto il puntatore del file
                try:
                    data = pd.read_csv(uploaded_file, sep=';', engine='python')
                except Exception as e:
                    st.error(f"Errore nella riletura del file con il separatore ';': {e}")
                    return None
        
        # Pulizia iniziale del dataset: conversione di colonne 'object' in numerico se possibile
        data = clean_dataset(data)
        
        st.subheader("Anteprima dei Dati")
        st.dataframe(data.head(10).style.background_gradient(cmap='Blues'))
        
        csv = data.to_csv(index=False)
        if data_option == "Genera dati sintetici":
            st.download_button("Scarica dati sintetici", csv, "synthetic_data.csv", "text/csv")
        else:
            st.download_button("Scarica il CSV", csv, "uploaded_data.csv", "text/csv")
    
    # Panoramica del dataset
    st.subheader("Panoramica del Dataset")
    col1, col2, col3 = st.columns(3)
    col1.metric("Campioni totali", len(data))
    col2.metric("Features", len(data.columns) - 1)
    col3.metric("Campioni profittevoli", data['Profittevole'].sum())
    
    # Heatmap delle correlazioni
    st.subheader("Correlazioni tra Features")
    numeric_cols = data.select_dtypes(include=[np.number]).columns
    fig, ax = plt.subplots(figsize=(10, 8))
    sns.heatmap(data[numeric_cols].corr(), annot=True, cmap='viridis', ax=ax, linewidths=0.5)
    st.pyplot(fig)
    
    return data

def train_models(data):
    """Fase di addestramento dei modelli"""
    st.title("🤖 Addestramento dei Modelli")
    
    # Preparazione dei dati
    X = data.drop(columns=['Profittevole'])
    y = data['Profittevole']
    X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
    
    # Per abilitare il tuning dei modelli
    tune_models = st.checkbox("Abilita ottimizzazione dei modelli (GridSearchCV)")
    
    model_results = []
    trained_pipelines = {}
    progress_bar = st.progress(0)
    
    for i, (name, model) in enumerate(MODELS.items()):
        with st.expander(f"{name}", expanded=False):
            # Preparazione del pipeline
            pipeline = Pipeline([
                ('scaler', StandardScaler()), 
                ('classifier', model)
            ])
            
            # Tuning del modello se abilitato (solo per Random Forest in questo esempio)
            if tune_models:
                if name == "Random Forest":
                    param_grid = {
                        'classifier__n_estimators': [50, 100, 200],
                        'classifier__max_depth': [None, 10, 20, 30],
                        'classifier__min_samples_split': [2, 5, 10]
                    }
                    grid_search = GridSearchCV(pipeline, param_grid, cv=3, scoring='accuracy')
                    grid_search.fit(X_train, y_train)
                    pipeline = grid_search.best_estimator_
                    st.write("Migliori parametri:", grid_search.best_params_)
                else:
                    pipeline.fit(X_train, y_train)
            else:
                pipeline.fit(X_train, y_train)
            
            # Predizione e valutazione
            y_pred = pipeline.predict(X_test)
            y_pred_proba = pipeline.predict_proba(X_test)[:, 1]
            
            # Calcolo delle metriche
            results = {
                'Model': name,
                'Accuracy': accuracy_score(y_test, y_pred),
                'AUC-ROC': roc_auc_score(y_test, y_pred_proba),
                'Precision': precision_score(y_test, y_pred),
                'Recall': recall_score(y_test, y_pred),
                'F1 Score': f1_score(y_test, y_pred)
            }
            model_results.append(results)
            trained_pipelines[name] = pipeline
            
            # Visualizzazione delle metriche
            col1, col2, col3, col4, col5 = st.columns(5)
            col1.metric("Accuracy", f"{results['Accuracy']:.2%}")
            col2.metric("AUC-ROC", f"{results['AUC-ROC']:.2f}")
            col3.metric("Precision", f"{results['Precision']:.2f}")
            col4.metric("Recall", f"{results['Recall']:.2f}")
            col5.metric("F1 Score", f"{results['F1 Score']:.2f}")
            
            # Matrice di confusione
            cm = confusion_matrix(y_test, y_pred)
            fig, ax = plt.subplots(figsize=(5, 4))
            sns.heatmap(cm, annot=True, fmt='d', cmap='Blues', ax=ax)
            ax.set_title(f'Confusion Matrix - {name}')
            ax.set_xlabel('Predicted')
            ax.set_ylabel('Actual')
            st.pyplot(fig)
        
        progress_bar.progress((i + 1) / len(MODELS))
    
    # Confronto dei modelli
    st.subheader("Confronto Modelli")
    results_df = pd.DataFrame(model_results)
    st.dataframe(results_df.style.background_gradient(cmap='Blues').highlight_max(axis=0))
    
    return results_df, trained_pipelines

def model_inference(trained_pipelines, data):
    """Fase di inferenza del modello"""
    st.title("🔮 Inferenza del Modello")
    
    # Rimozione della colonna target per l'input
    input_features = data.drop(columns=['Profittevole']).columns
    
    with st.form(key='inference_form'):
        st.subheader("Inserisci i dati del nuovo campione")
        
        # Input in due colonne per migliorare l'impaginazione
        input_values = {}
        cols = st.columns(2)
        for i, feature in enumerate(input_features):
            with cols[i % 2]:
                input_values[feature] = st.number_input(
                    f"{feature}", 
                    value=float(data[feature].median()),
                    step=1.0,
                    key=f"input_{feature}"
                )
        
        # Selezione multipla dei modelli
        selected_models = st.multiselect(
            "Scegli i modelli per l'inferenza", 
            list(trained_pipelines.keys()), 
            default=list(trained_pipelines.keys())
        )
        
        submit_button = st.form_submit_button(label="Prevedi Profittabilità")
    
    if submit_button and selected_models:
        input_df = pd.DataFrame([input_values])
        st.subheader("Risultati della Previsione")
        
        results = []
        for model_name in selected_models:
            pipeline = trained_pipelines[model_name]
            prediction = pipeline.predict(input_df)[0]
            proba = pipeline.predict_proba(input_df)[0]
            
            results.append({
                "Modello": model_name,
                "Previsione": "Profittevole" if prediction == 1 else "Non Profittevole",
                "Prob. Profit": f"{proba[1]:.2%}",
                "Prob. Non Profit": f"{proba[0]:.2%}"
            })
            
            if prediction == 1:
                st.success(f"✅ {model_name}: Il componente è PROFITTEVOLE (Prob: {proba[1]:.2%})")
            else:
                st.error(f"❌ {model_name}: Il componente NON è PROFITTEVOLE (Prob: {proba[0]:.2%})")
        
        # Tabella di confronto
        st.subheader("Confronto tra Modelli")
        st.dataframe(pd.DataFrame(results).style.background_gradient(cmap='Blues'))

def main():
    """Funzione principale dell'applicazione"""
    # Sidebar con opzioni di navigazione
    st.sidebar.title("🔍 APA - AI Parts Analyzer")
    
    # Opzioni di navigazione
    phase = st.sidebar.radio(
        "Fase dell'analisi",
        [
            "📊 1. Preparazione Dataset",
            "🤖 2. Addestramento Modelli",
            "🔮 3. Inferenza Modello"
        ],
        label_visibility="collapsed"
    )
    
    # Pulsante di reset
    st.sidebar.button("🔄 Azzera Applicazione", on_click=reset_app)
    
    # Logica di navigazione
    if "1. Preparazione Dataset" in phase:
        st.session_state.data = prepare_dataset()
    elif "2. Addestramento Modelli" in phase:
        if hasattr(st.session_state, 'data') and st.session_state.data is not None:
            st.session_state.model_results, st.session_state.trained_pipelines = train_models(st.session_state.data)
        else:
            st.error("⚠️ Prepara prima un dataset!")
    elif "3. Inferenza Modello" in phase:
        if hasattr(st.session_state, 'trained_pipelines') and hasattr(st.session_state, 'data'):
            model_inference(st.session_state.trained_pipelines, st.session_state.data)
        else:
            st.error("⚠️ Addestra prima i modelli!")

# Punto di ingresso dell'applicazione
if __name__ == "__main__":
    main()