postprocessing.py

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
import numpy as np
from sklearn.metrics import classification_report, confusion_matrix


class ReportGenerator:
    """Gera relatórios avançados a partir dos resultados dos modelos.

    Essa classe fornece métodos para:
    - Gerar um relatório de classificação (precision, recall, F1-score)
    - Visualizar a matriz de confusão de forma customizada
    """

    def __init__(self, model=None):
        self.model = model

    def generate_classification_report(self, y_true, y_pred):
        """Gera e retorna um relatório de classificação como um DataFrame."""
        report = classification_report(y_true, y_pred, output_dict=True)
        return pd.DataFrame(report).transpose()

    def plot_confusion_matrix(self, y_true, y_pred, normalize=False, cmap='Blues'):
        """Plota a matriz de confusão usando Seaborn."""
        cm = confusion_matrix(y_true, y_pred)
        if normalize:
            cm = cm.astype('float') / cm.sum(axis=1)[:, np.newaxis]
        plt.figure(figsize=(8, 6))
        sns.heatmap(cm, annot=True, fmt='.2f' if normalize else 'd', cmap=cmap)
        plt.title('Confusion Matrix')
        plt.ylabel('True label')
        plt.xlabel('Predicted label')
        plt.show()