# 訓練一階段敗血症模型

###### tags: `國泰專案`

## 安裝

pip install -r requirements.txt

## 資料
1. 將 [`CGH_data`](https://drive.google.com/drive/u/0/folders/1a2nRBd_1R6K9SE27N8VdMB_xuZmJW2M7) 資料夾放到指定路徑
2. 根據 `CGH_data` 所在路徑，修改 `configs/base.py` 中資料的路徑
+ **第 7 - 14 行**

        # input data
        path_list_dict = {
            (division, year): [
                f"./CGH_data/{division}-{year}-去個資/{division}-{year}-去個資/{year}Sepsis00101.csv", 
                f"./CGH_data/{division}-{year}-去個資/{division}-{year}-去個資/{year}Sepsis00102.csv",
                f"./CGH_data/{division}-{year}-去個資/{division}-{year}-去個資/{year}Sepsis00103.csv",
                f"./CGH_data/{division}-{year}-去個資/{division}-{year}-去個資/{year}Sepsis00110.csv"
            ] for division, year in product(["總院", "新竹", "汐止"], ["2020", "2021"])
        }

+ **第 51-54 行**

        label_df_path_dict = {
            (division, year): f"./CGH_data/{division}-{year}-去個資/{division}-{year}-去個資/{year}Sepsis00104.csv"
            for division, year in product(["總院", "新竹", "汐止"], ["2020", "2021"])
        }

## 訓練模型
1. **修改** `configs/retrain_config.py`
+ **`configs/retrain_config.py` 參數意義**
+ `train_divisions`: 訓練所在院區
+ `val_divisions`: 測試所在院區
+ 1: 汐止
+ 3: 新竹
+ 4: 總院
+ `start`: 測試資料起始時間
+ `end`: 測試資料終止時間
+ `period`: retrain 的週期（以月為單位）。`period=1`，表示每個月都會重新訓練模型，`period=12` 表示一年重新訓練一次模型
+ `window_size`: 訓練資料的時間跨度（以月為單位）
+ `exclude_col`: 訓練時要移除的欄位
+ `y_col`: 標籤所在欄位
+ `model_type`: 訓練所使用的模型
+ `task`: 任務類型
+ **定期訓練（一年訓練一次）**

        from sklearn.metrics import make_scorer, fbeta_score
        from .base_config import * 


        ## data filter 
        train_divisions = ['1', '3', '4']  # 訓練所在院區
        val_divisions = ['1']  # 測試所在院區
        filter_config_list = [
            {
                'train_division': train_divisions,
                'val_division': val_divisions,  
                'start': '202101',  
                'end':'202112', 
                'period': 12, 
                'window_size': 12
            } 
        ]

        ## da_model 
        trainer_config = {
            'exclude_col': ['DIVISIONNO', 'INTIME', 'ACCOUNTNO', 'ISTRANSFER'],
            'y_col': 'SEPSIS',
            'model_type': 'XGB',
            'task': 'classification', 
            'encoder': 'label',
            'partial_oh_dict': dict(), 
            'normalize': False,
            'auto_fill': True, 
            'scorer': make_scorer(fbeta_score , beta=3)
        }

+ **每月訓練**

        from sklearn.metrics import make_scorer, fbeta_score
        from .base_config import * 


        ## data filter 
        train_divisions = ['1', '3', '4'] # 訓練所在院區
        val_divisions = ['1'] # 測試所在院區
        filter_config_list = [
            {
                'train_division': train_divisions,
                'val_division': val_divisions,  
                'start': '202101', 
                'end':'202112', 
                'period': 1, 
                'window_size': 12
            } 
        ]

        ## da_model 
        trainer_config = {
            'exclude_col': ['DIVISIONNO', 'INTIME', 'ACCOUNTNO', 'ISTRANSFER'],
            'y_col': 'SEPSIS',
            'model_type': 'XGB',
            'task': 'classification', 
            'encoder': 'label',
            'partial_oh_dict': dict(), 
            'normalize': False,
            'auto_fill': True, 
            'scorer': make_scorer(fbeta_score , beta=3)
        }

2. **執行指令**

   python run.py

:::info
為確保程式有正常運作，可確認
1. 執行後有產生 `aggregate_data.csv` 檔，代表程式有把不同資料表的資料 join 起來，並做資料清洗
2. 執行後會出現以下顯示，代表正在訓練一個模型，如果使用每月訓練模式，最終會出現 12 則顯示；使用定期訓練模型則會出現 1 則顯示

:::

3. **後續**
+ 模型權重會放在 `model_data/` 資料夾

:::warning
新的權重檔會把過去的權重檔洗掉！！！！！！！！
:::
+ `report/confusion_table`： 存放測試期間內每個月的 confusion table
+ `report/feature_importance`： 存放特徵重要性的圖表

:::info
每訓練一次模型就會產生一個特徵重要性圖，換言之，每月訓練會訓練 12 個模型，所以會產生 12 張特徵重要性圖
:::
+ `report/{train_divisions}_{val_divisions}_{start}_{end}_{period}_{window_size}.csv`： 存放實驗結果，可確認實驗表現是否與之前一樣（不要差太多就好了，因為隨機種子不一樣）
+ 定期訓練
+ 每月訓練

## 參考
1. [一階段敗血症專案報告]( https://docs.google.com/presentation/d/1R1OEp8b3jZmPBng4NsSK3wQFajrUP2sCVPHQ0vQ-0mE/edit#slide=id.g13c632321bb_0_0)