README.md

# 🏠 Mô hình Wide & Deep Neural Network - Dự đoán Giá Nhà California

## 📝 Mô tả

Đây là một mô hình **Wide & Deep Neural Network** được huấn luyện trên tập dữ liệu **California Housing** để dự đoán giá nhà trung bình (`MedHouseVal`). Mô hình được xây dựng bằng **PyTorch**, dựa trên kiến trúc trong cuốn *Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow* của **Aurélien Géron**.

## 📌 Nhiệm vụ

Dự đoán giá nhà dựa trên dữ liệu bảng (tabular regression) với 8 đặc trưng đầu vào.

## 📥 Đầu vào

- **Số chiều**: `[batch_size, 8]`  
- **Kiểu dữ liệu**: `torch.FloatTensor`  
- **Các đặc trưng đầu vào**:
  - `'MedInc'` – Thu nhập trung vị
  - `'HouseAge'` – Tuổi trung bình của căn nhà
  - `'AveRooms'` – Số phòng trung bình
  - `'AveBedrms'` – Số phòng ngủ trung bình
  - `'Population'` – Dân số
  - `'AveOccup'` – Số người trung bình trên mỗi hộ
  - `'Latitude'` – Vĩ độ
  - `'Longitude'` – Kinh độ

## 📤 Đầu ra

- **Kiểu**: `torch.FloatTensor` có shape `[batch_size, 1]`  
- **Ý nghĩa**: Giá nhà trung bình dự đoán (giá trị thực).

## 🧪 Cách sử dụng mô hình

Dưới đây là ví dụ về cách sử dụng mô hình với dữ liệu đầu vào giả lập:

```python
import torch
import torch.nn as nn
from huggingface_hub import PyTorchModelHubMixin

# Tạo dữ liệu đầu vào giả lập (batch 1, 8 features)
x_input = torch.randn(1, 8)
print("Mock input:")
print(x_input)

# Định nghĩa mô hình Wide & Deep Neural Network
class WideAndDeepNet(nn.Module, PyTorchModelHubMixin):
    def __init__(self):
        super().__init__()
        self.hidden1 = nn.Linear(6, 30)
        self.hidden2 = nn.Linear(30, 30)
        self.main_head = nn.Linear(35, 1)
        self.aux_head = nn.Linear(30, 1)
        self.main_loss_fn = nn.MSELoss(reduction='sum')
        self.aux_loss_fn = nn.MSELoss(reduction='sum')

    def forward(self, input_wide, input_deep, label=None):
        act = torch.relu(self.hidden1(input_deep))
        act = torch.relu(self.hidden2(act))
        concat = torch.cat([input_wide, act], dim=1)
        main_output = self.main_head(concat)
        aux_output = self.aux_head(act)
        if label is not None:
            main_loss = self.main_loss_fn(main_output.squeeze(), label)
            aux_loss = self.aux_loss_fn(aux_output.squeeze(), label)
        return WideAndDeepNetOutput(main_output=main_output, aux_output=aux_output)

# Tải mô hình từ Hugging Face Hub
model = WideAndDeepNet.from_pretrained("sadhaklal/wide-and-deep-net-california-housing-v3")
model.eval()

# Dự đoán với mô hình
with torch.no_grad():
    prediction = model(x_input)

print(f"Giá nhà dự đoán (mock input): {prediction.item():.3f}")
```