flet_banner python_banner MIT_License contributions
Графическое приложение на Python для обучения ML-моделей без написания кода. Загружайте свои датасеты, выбирайте модель, обучайте и экспортируйте результаты — все в несколько кликов. Главная страница с блоками

• 📊 Загрузка данных: Поддержка популярных форматов датасетов (CSV/TXT, Excel, JSON).
• 🤖 Выбор модели: Интеграция нескольких моделей машинного обучения из библиотек scikit-learn, CatBoost.
• ⚙️ Обучение: автоматический поиск лучших гиперпараметров и выбор лучшей модели. Присутствует функция автоматического преобразования числовых и категориальных колонок, заполнение пропусков в датасете.
• 📈 Визуализация: Автоматическое построение графиков и метрик (Roc-Auc curve, Confusion Matrix и т.д.) для отчета.
• 📄 Отчеты: Генерация отчетов об обучении в формате PDF с метриками и визуализацией.
• 💾 Экспорт: Сохранение обученной модели в форматах pickle или joblib для последующего использования.

Процесс выбора датасета, модели и обучение выбранной модели

Экспортирование обученной модели и отчета

Предварительные требования
Перед началом убедитесь, что у вас установлен Python 3.8 или новее.

Установка:

1. Клонируйте репозиторий:

git clone https://github.com/w0drs/TrainTool.git
cd traintool

2. Создайте и активируйте виртуальное окружение (рекомендуется):

# Для Linux/macOS
python3 -m venv venv
source venv/bin/activate
# Для Windows
python -m venv venv
.\venv\Scripts\activate

3. Установите зависимости:

pip install -r requirements.txt

Запуск приложения Выполните команду в терминале из корневой директории проекта:

python main.py

Приложение запустится в отдельном окне.

1. Запустите приложение
2. Нажмите на три полоски слева-сверху.
3. На вкладке "Settings":

• Нажмите "Import dataset"
• В открывшемся окне выбирите датасет, который хотите загрузить (.csv / .txt / .xlsx / .json). Датасет загрузится и появится блок с ним.
• Если в датасете разделитель не "запятая" или кодирование не "utf-8", то нажмите на блоке с датасетом иконку карандашика (редактирование датасета) и в открывшемся окне редактирования измените соответствущие параметры (иначе датасет не загрузится должным образом)
• Если датасет загрузился хорошо, то при прокрутке вниз в окне редактирования появятся столбики "features" и "target", где перетаскиванием названий колонок датасета можно установить target значение для датасета, а также колонки с входными значениями (features). Не нужные колонки можно отключить.
• Справа снизу нажмите на кнопку "Save" для сохранения настроект датасета.

4. На вкладке "Models":

• Нажмите на кнопку "Add model". Откроется окошко с добавлением блока. Тут можно изменить название и описание блока. После этого нажмите "Add".
• Когда создастся блок, на нем нажмите на иконку шестерёнки (block settings).
• В открывшемся окне редактирования блока в "Models" можно в выпадающем списке выбрать интересующую ML-модель.
• Прокрутив ниже до "Dataset:", можно выбрать загруженный датасет, нажав на иконку с тремя точками. Вылезет окошко с загруженными датасетами, где его и можно будет выбрать.
• Нажимаем "Save" для сохранения настроек блока.
• Когда мы вернулись на вкладку "Models", то на созданном блоке нажимаем иконку ракеты (train model).
• В открывшемся окне обучения модели нажимаем кнопку "train" справа снизу. Далее покажется текст прогресса обучения. Если модель обучилась успешно, то выведутся метрики выше текста с прогрессом.

5. После обучения:

• Нажмите "Export model" для экспортирования модели в формате pickle / joblib.
• Нажмите "Export report" для создания отчета о модели.

Примечание по ошибкам:

• При обучении модели текст прогресса может загореться красным (что означает ошибку обучения).
• Если текст красный при загрузке датасета, то, возможно, дело в неправильных настройках датасета (разделитель, кодирование или не выбрана target колонка).
• Если текст красный при обучении модели, то, возможно, не поставлена галочка в настройках датасета на автоматическом преобразовании датасета.
• Если текст при обучении модели оранжевый, но окно с обучением можно закрыть, то произошла непредвиденная ошибка. Может, стоит выбрать другую модель или изменить настройки датасета.

Flet - Фреймворк для построения GUI на Python.
Pandas - Для обработки и анализа данных.
Scikit-learn - Основная библиотека для машинного обучения.
Matplotlib - Для визуализации данных и результатов.
CatBoost - Для использования градиентного бустинга.
fpdf - Для генерации PDF-отчетов.

TrainTool/
├── core/
| ├── datasets/
| | ├── dataset.py # Хранит в себе путь до датасета и его настройки
| | └── datasets_manager.py # Управляет всеми загруженными датасетами (Создает их, удаляет, возвращает датасет по его id)
| ├── metrics_visualization/
| | └── model_visualizer.py # Рисует графики для отчета
| ├── models/
| | ├── model.py # Сам 'блок' в котором содержится информация о выбранной ML-модели, id выбранного датасета, метриках обученной модели, имени, описании и цвете блока, настройках модели
| | └── models_manager.py # Управляет 'блоками' (Создает их, удаляет, возвращает блок по его id)
| ├── reports/
| | └── report_generator.py # Создает pdf отчет
| └── app_state.py # Меняет контент главного окна на контент с вкладки "Models" или с вкладки "Settings"
├── ui/
| ├── components/
| | ├── dataset_columns_widget.py # Виджет, позволяющий перетаскивать названия колонок датасета в столбик "features" или "target"
| | └── nav_drawer.py # Виджет, который появляется при нажатии иконки с тремя полосочками слева сверху. Он дает перейти во вкладки "Models" и "Settings"
| ├── dialogs/
| | ├── add_block_dialog.py # Окошко для добавления нового "блока" с моделью
| | ├── block_edit_dialog.py # Окошко для редактирования "блока" смоделью
| | ├── dataset_edit_dialog.py # Окошко для редактирования датасета
| | ├── dataset_info_dialog.py # Окошко, в котором содержится краткая информация о датасете
| | ├── export_model_dialog.py # Окно с экспортом модели
| | ├── information_windows.py # Окно для показа окон с информацией (ошибки там, удачные действия...)
| | └── train_model_dialog.py # Окно для обучения модели на выбранном датасете
| └── views/
| ├── grid_view.py # Виджет, в котором содержатся все блоки с моделями
| ├── main_view.py # Вкладка "Models"
| └── settings_view.py # Вкладка "Settings"
├── images/ # Папка со скриншотами для README
├── requirements.txt
├── README.md
└── main.py # Главный файл приложения

Этот проект распространяется под лицензией MIT. Подробнее см. в файле LICENSE

Дмитрий – @w0drs (телеграм) Ссылка на проект: https://github.com/w0drs/TrainTool