Skip to main content

classifier.py

Ce module contient la classe SpectralClassifier, qui est le "cerveau" du pipeline. Elle encapsule un pipeline de Machine Learning complet pour réaliser la classification à partir des features extraites.

Workflow de la Classification​

Le workflow géré par la classe est beaucoup plus qu'un simple entraînement. Il s'agit d'un processus rigoureux de préparation, d'optimisation et d'évaluation.

Classe SpectralClassifier​

Cette classe fournit une interface de haut niveau pour entraîner, optimiser, évaluer et gérer la persistance d'un modèle de classification.

Détails sur l'instanciation et la configuration
  • Description : Crée une instance du classifieur.
  • Arguments :
  • model_type (str, défaut: 'RandomForest') : Le type de modèle à utiliser. Peut être 'RandomForest' ou 'XGBoost'.
  • random_state (int, défaut: 42) : Pour garantir la reproductibilité des résultats.

Bonnes Pratiques & Points Clés​

💡Ce qui est Inclus
  • Pipeline Intégré : L'utilisation d'un Pipeline garantit que le scaling et l'imputation sont appris uniquement sur les données d'entraînement, évitant les fuites de données.
  • Validation Croisée : GridSearchCV utilise une validation croisée stratifiée pour une évaluation robuste et un choix de paramètres fiable.
  • Gestion du Déséquilibre : L'étape SMOTE est appliquée à la volée pendant l'entraînement pour corriger le déséquilibre des classes sans polluer le jeu de test.
☢️Ce qui est Géré
  • Données Manquantes : Les NaN dans les features (ex: FWHM non calculable) sont automatiquement remplacés par zéro grâce à SimpleImputer.
  • Labels Invalides : Les spectres sans subclass valide sont automatiquement exclus.
  • Classes Rares : Les classes avec moins de 10 échantillons sont retirées pour garantir la stabilité de l'entraînement et de l'évaluation.

Questions Fréquentes (FAQ)​

Comment puis-je utiliser un modèle déjà entraîné pour prédire sur de nouvelles données ?

Le workflow est simple :

  1. Chargez l'objet classifieur complet avec loaded_clf = SpectralClassifier.load_model("path/to/model.pkl").
  2. Préparez vos nouvelles données sous forme d'un DataFrame pandas contenant les mêmes colonnes de features que lors de l'entraînement.
  3. Faites la prédiction avec predictions = loaded_clf.model_pipeline.predict(X_new). Le model_pipeline s'occupera automatiquement du scaling et de l'imputation.