Tema n. 5 Machine Learning per Processi Aziendali

Traccia del PW 20 Smistamento recensioni hotel e analisi sentimento con Machine Learning:

Titolo progetto: ""

Nome applicativo: Smart Hotels

Obiettivi

1. Creare un dataset sintetico (200–500 recensioni brevi) con etichette: reparto (Housekeeping, Reception, F&B) e sentiment (pos/neg).
2. Addestrare modelli di base per la classificazione ed analisi di sentimento.
3. Valutare con train/test split (80/20), accuracy e F1 per classe; matrice di confusione semplice.
4. Interfaccia per incollare una recensione e ottenere reparto consigliato e sentiment stimato.

Caratteristiche Innovative

• Dataset Configurabile: Parametro RANDOMNESS per controllare la difficoltà del problema
• Analisi del Paradosso: Scoperta che il sentiment analysis è più robusto al rumore rispetto alla classificazione per reparto
• Visualizzazioni Avanzate: Grafici interattivi per comprendere il comportamento dei modelli
• Esperimenti Automatici: Framework per testare sistematicamente diverse configurazioni

Il risultato è un sistema di studio completo che simula realisticamente le sfide del machine learning in contesti aziendali reali.

Struttura del Repository

La cartella del progetto è organizzata come segue:

SmartHotels/
├── dataset_generator.py    # 1. Genera il dataset sintetico con parametro RANDOMNESS.
├── ml_pipeline.py                 # 2. Addestra, valuta e salva i modelli per il dataset presente `data/hotel_reviews_synthetic.csv`
├── dashboard_app.py               # 3. Interfaccia utente interattiva (Streamlit).
├── visualization_analysis.py      # 4. Grafici e analisi del parametro RANDOMNESS.
├── run_experiments.py             # 5. Esperimenti automatici multi-RANDOMNESS.
├── requirements.txt               # Dipendenze Python.
├── README.md
├── data/                          # Dataset CSV e risultati delle predizioni.
├── models/                        # Modelli ML salvati (.joblib).
├── plots/                         # Grafici e visualizzazioni generate.
│   ├── accuracy_comparison.png
│   ├── paradox_visualization.png
│   ├── f1_heatmap.png
│   ├── dashboard_complete.png
│   └── current_performance.png
└── experiments/                   # Risultati esperimenti RANDOMNESS.
    └── randomness_experiment_*.json

Istruzioni per l'Esecuzione

Seguire questi passaggi per configurare ed eseguire il progetto.

1. Setup dell'Ambiente

Creare ambiente virtuale (una volta)

python -m venv venv

Attivare l'ambiente virtuale (ogni volta che si vuole avviare il progetto)

Su Windows:

 .\venv\Scripts\activate

Su macOS/Linux:

source venv/bin/activate

Requisiti Sistema:

• Python 3.8+

• Pacchetti principali: pandas, scikit-learn, streamlit, matplotlib, seaborn

• Installa le dipendenze necessarie:

  pip install -r requirements.txt

2. Generazione del Dataset

   python dataset_generator.py

Questo script crea un dataset bilanciato con complessità configurabile tramite il parametro RANDOMNESS.

Modifica del Parametro RANDOMNESS

Per cambiare la difficoltà del dataset, modifica la costante nel file dataset_generator.py

Configurazioni Consigliate:

• RANDOMNESS = 0.2: Dataset realistico per produzione (~76% accuracy)
• RANDOMNESS = 0.4: Dataset challenging per testing (~57% accuracy)
• RANDOMNESS = 0.9: Dataset estremo per studio robustezza (~31% reparto, ~93% sentiment)

Output atteso: Creazione del file data/hotel_reviews_synthetic.csv che conterrà una lista di recensioni con i relativi reparti e sentiment.

3. Addestramento e Valutazione ML

python ml_pipeline.py

Questo script esegue il preprocessing, addestra i due classificatori, valuta le performance e genera matrici e grafici in base al risultato dell'addestramento.

Output:

• Metriche dettagliate (Accuracy, F1-Macro, Classification Report)
• Matrici di Confusione
• Grafico performance salvato in plots/current_performance.png
• Modelli salvati in models/ (file .joblib)
• Risultati test in data/predictions_YYYYMMDD_HHMMSS.csv
• Analisi errori con esempi di classificazioni errate

4. Avvio della Dashboard Interattiva

L'interfaccia utente ti permette di testare i modelli in tempo reale e di eseguire predizioni in batch.

1. Avvia l'applicazione Streamlit:

   streamlit run dashboard_app.py

2. Il browser si aprirà automaticamente su http://localhost:8501.

Funzionalità Avanzate

5. Analisi Visualizzazioni RANDOMNESS

Genera grafici avanzati per analizzare l'impatto del parametro RANDOMNESS:

python visualization_analysis.py

Grafici generati:

• accuracy_comparison.png - Confronto performance tra reparto e sentiment
• paradox_visualization.png - Visualizzazione del "Paradosso RANDOMNESS"
• f1_heatmap.png - Heatmap F1-score per reparto
• dashboard_complete.png - Dashboard completo con 4 subplot

6. Esperimenti Multi-RANDOMNESS

Esegue automaticamente esperimenti (genera Dataset e produce output) con diversi valori di RANDOMNESS (0.1 → 0.9):

python run_experiments.py

Output:

• Test automatico di N configurazioni diverse
• Risultati salvati in experiments/randomness_experiment_YYYYMMDD_HHMMSS.json
• Grafici generati:**
  • accuracy_comparison.png - Confronto performance tra reparto e sentiment
  • paradox_visualization.png - Visualizzazione del "Paradosso RANDOMNESS"
  • f1_heatmap.png - Heatmap F1-score per reparto
  • dashboard_complete.png - Dashboard completo con 4 subplot
• Tabella riepilogativa con performance per ogni configurazione

Risultati Chiave e Scoperte

Il Paradosso del RANDOMNESS

Scoperta principale: All'aumentare del rumore (RANDOMNESS), il sentiment analysis migliora mentre la classificazione reparto peggiora.

Interpretazione

1. Sentiment Analysis si basa su emozioni universali → più robusto al rumore
2. Classificazione Reparto dipende da domini specifici → fragile con ambiguità
3. RANDOMNESS = 0.2 offre il miglior bilanciamento per applicazioni reali

Librerie utilizate

• Scikit-Learn: Framework ML principale
• Streamlit: Dashboard interattiva
• Matplotlib/Seaborn: Visualizzazioni
• Pandas: Manipolazione dati
• TF-IDF: Vettorizzazione testo