Projecte-Machine-Learning

Repositori creat pel curs de Machine Learning de Barcelona Activa

Enllaç del projecte a Streamlit: [https://adriahf-projecte-machine-learning-sprint9app-baqk6r.streamlit.app/)

---

Documentació del Procés de Deploy

Models i Arxius Carregats per Streamlit

Els següents models i arxius són essencials per al funcionament de l'aplicació:

Arxiu/Model	Descripció
label_encoder.pkl	Codificador de variables binàries (default, housing, loan)
one_hot_columns.pkl	Llista de columnes generades després del One-Hot Encoding (inclou duration)
pca_columns.pkl	Columnes utilitzades després d'eliminar duration i contact_unknown
standard_scaler.pkl	Estandarditzador de variables numèriques
pca_model.pkl	Model PCA amb 18 components principals
model_lr_final.pkl	Model entrenat de Regressió Logística per a prediccions

---

Arxius de Configuració

requirements.txt

Conté les dependències de Python necessàries:

streamlit==1.40.1
scikit-learn==1.5.2
pandas==2.2.3
joblib==1.4.2
numpy==1.26.0
setuptools==70.0.0
wheel==0.43.0
scipy==1.14.1
python-dateutil==2.9.0

runtime.txt

Especifica la versió de Python que s'utilitzarà per a l'aplicació.

python-version=3.11.10

setup.sh

Script per a configuracions addicionals:

#!/bin/bash
apt-get update && apt-get install -y python3-distutils

Procés de Deploy

1. Preparació Local

1. Instal·lar les dependències:

   pip install -r requirements.txt
   

2. Provar localment:

   streamlit run app.py

2. Vinculació amb GitHub

1. Crear un repositori públic a GitHub amb tots els arxius necessaris:

   • app.py: El codi principal de l'aplicació Streamlit.
   • requirements.txt: Les dependències de Python necessàries.
   • Arxius .pkl: Models i objectes de preprocessament (label_encoder.pkl, one_hot_columns.pkl, pca_columns.pkl, standard_scaler.pkl, pca_model.pkl, model_lr_final.pkl).
   • Arxius de configuració opcionals: runtime.txt i setup.sh.

2. Assegurar que el repositori sigui públic, ja que Streamlit Sharing requereix accés públic per desplegar l'aplicació.

---

3. Desplegament a Streamlit Sharing

1. Executar l'aplicació en local per verificar que tot funcioni correctament:

   streamlit run app.py

2. Crear un compte a Streamlit. Iniciar sessió amb el compte de GitHub per vincular-lo.

3. Vincular el compte de GitHub a Streamlit Sharing. Això permetrà a Streamlit accedir als repositoris.

4. Realitzar un git push del codi al repositori de GitHub. Assegurar-se que tots els arxius necessaris (com app.py, requirements.txt i els arxius .pkl) estiguin inclosos.

5. Configurar l'aplicació a Streamlit Sharing:

   • Repository: Seleccionar el repositori de GitHub
   • Branch: Triar la branca on s'ha fet el push
   • Main file path: Indicar el camí de l'arxiu principal de l'aplicació (app.py)

6. Clicar "Deploy" per iniciar el procés de desplegament. Streamlit començarà a configurar l'entorn i a instal·lar les dependències.

7. Resoldre els errors que puguin aparèixer durant el desplegament. Aquests errors solen estar relacionats amb dependències faltants, arxius no trobats o versions incompatibles de Python. Consultar els logs per obtenir més informació i corregir els problemes al codi local abans de fer un nou git push.

8. Un cop resolts els errors, l'aplicació s'executarà correctament a Streamlit Sharing. S'hi podrà accedir mitjançant l'enllaç proporcionat per la plataforma.

---

4. Resolució d'Errors Comuns

Durant el procés de desplegament, poden aparèixer alguns errors comuns.

Error: "ModuleNotFoundError"

• Causa: Falta una llibreria a l'entorn de desplegament.
• Solució: Afegeix la llibreria faltant al fitxer requirements.txt i fes un nou git push.

Error: "File not found: *.pkl"

• Causa: Els arxius .pkl no es troben al directori correcte o no s'han pujat al repositori.
• Solució: Assegura’t que els arxius .pkl estiguin al directori arrel del repositori i fes un nou git push.

Error: "Python version mismatch"

• Causa: La versió de Python utilitzada localment no coincideix amb la del servidor de Streamlit.
• Solució: Especifica la versió correcta de Python al fitxer runtime.txt (per exemple, python-3.10.12).