Крок 1: Сирі дані (Стаття 1)
   ↓ Очищення пропущених значень, виправлення помилок
Крок 2: Чисті дані (Стаття 2)
   ↓ Дослідження патернів, візуалізація кореляцій
Крок 3: Зрозумілі дані (Стаття 3)
   ↓ Створення ознак, кодування категорій, масштабування
Крок 4: Ознаки, готові для ML (Стаття 4)
   ↓ Розділення на train/validation/test
Крок 5: Правильно розділені дані
   ↓ **Тренування моделі** ← ВИ ТУТ!
Крок 6: ПРОГНОЗИ! 🎉

Температура | Продано піц
------------|------------
5°C         | 32
10°C        | 28
15°C        | 25
20°C        | 21
25°C        | 18
30°C        | 15

Продано піц
    |
 35 |  •
 30 |     •
 25 |        •
 20 |           •
 15 |              •
    |_____________________ Температура (°C)
    0   10   20   30

Продано піц
    |
 35 |  •
 30 |    •\
 25 |      •\___  Лінія найкращого підходу
 20 |         •\___
 15 |            •\___
    |_____________________ Температура (°C)

pizzas = β₀ + β₁×temp + β₂×hour_sin + β₃×hour_cos + β₄×is_friday + ...

y = β₀ + β₁×x₁ + β₂×x₂ + β₃×x₃ + ... + βₙ×xₙ

pizzas = 25 - 0.3×temp + 8.2×is_friday_evening + 0.5×rolling_avg_3h

# П'ятничний вечір (7 PM), холодно (5°C), недавній середній 22 піци:
pizzas = 25 - 0.3×5 + 8.2×1 + 0.5×22
       = 25 - 1.5 + 8.2 + 11
       = 42.7 піц

pizzas = 0 + 0×temp + 0×is_friday + 0×rolling_avg
# Робить жахливі прогнози!

Фактично: 32 піци
Прогноз: 15 піц
Помилка: 32 - 15 = 17 піц (дуже далеко!)

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns

# Магічний клас!
from sklearn.linear_model import LinearRegression

# Метрики оцінювання
from sklearn.metrics import mean_absolute_error, mean_squared_error, r2_score

print("🍕 Мама ML Піцерія - Лінійна регресія")
print("=" * 60)

# Завантажити дані, які ми підготували у Статтях 1-4
# (Це включає всі наші створені ознаки та правильні розділення)

# Для цього туторіалу створимо зразкові дані
# У реальності ви б завантажили свої фактичні розділені дані
from sklearn.model_selection import train_test_split

# Завантажити очищені, оброблені та масштабовані дані
data = pd.read_csv('pizza_orders_prepared.csv')

# Ознаки, які ми створили у Статті 3
features = [
    'temperature', 'hour_sin', 'hour_cos',
    'is_friday_evening', 'is_peak_hour', 'is_weekend',
    'rolling_avg_3h', 'price_per_pizza',
    'month_sin', 'month_cos'
]

X = data[features]
y = data['num_pizzas']

# Розділити, як ми навчились у Статті 4
X_train, X_temp, y_train, y_temp = train_test_split(
    X, y, test_size=0.4, random_state=42
)
X_val, X_test, y_val, y_test = train_test_split(
    X_temp, y_temp, test_size=0.5, random_state=42
)

print(f"Тренувальний набір: {len(X_train)} зразків")
print(f"Валідаційний набір: {len(X_val)} зразків")
print(f"Тестовий набір: {len(X_test)} зразків")
print(f"Ознаки: {len(features)}\n")

# Створити модель
model_simple = LinearRegression()

# Тренувати лише на температурі
model_simple.fit(X_train[['temperature']], y_train)

print("✅ Модель натренована!")
print(f"Вільний член (β₀): {model_simple.intercept_:.2f}")
print(f"Коефіцієнт температури (β₁): {model_simple.coef_[0]:.2f}")

# Навчене рівняння
print(f"\nНавчене рівняння:")
print(f"pizzas = {model_simple.intercept_:.2f} + {model_simple.coef_[0]:.2f} × temperature")

✅ Модель натренована!
Вільний член (β₀): 32.45
Коефіцієнт температури (β₁): -0.28

Навчене рівняння:
pizzas = 32.45 + -0.28 × temperature

# Створити діаграму розсіювання
plt.figure(figsize=(10, 6))
plt.scatter(X_train['temperature'], y_train, alpha=0.5, label='Фактичні дані')

# Побудувати лінію регресії
temp_range = np.linspace(X_train['temperature'].min(),
                         X_train['temperature'].max(), 100)
predictions = model_simple.predict(temp_range.reshape(-1, 1))
plt.plot(temp_range, predictions, color='red', linewidth=2,
         label='Лінія регресії')

plt.xlabel('Температура (°C)')
plt.ylabel('Продано піц')
plt.title('Проста лінійна регресія: Температура → Продаж піци')
plt.legend()
plt.grid(True, alpha=0.3)
plt.tight_layout()
plt.show()

# Створити модель
model = LinearRegression()

# Тренувати на ВСІХ ознаках
model.fit(X_train, y_train)

print("🎉 Повна модель натренована!")
print(f"Кількість ознак: {len(model.coef_)}")
print(f"Вільний член: {model.intercept_:.2f}")
print("\nТоп-5 значень коефіцієнтів:")

# Показати коефіцієнти
coef_df = pd.DataFrame({
    'feature': features,
    'coefficient': model.coef_
}).sort_values('coefficient', key=abs, ascending=False)

print(coef_df.head())

🎉 Повна модель натренована!
Кількість ознак: 10
Вільний член: 18.42

Топ-5 значень коефіцієнтів:
                feature  coefficient
is_friday_evening         12.35
rolling_avg_3h            0.48
is_peak_hour             8.21
temperature              -0.31
is_weekend               5.12

# Зробити прогнози для всіх тестових прикладів
y_pred = model.predict(X_test)

# Порівняти перші 10 фактичних проти прогнозованих
comparison = pd.DataFrame({
    'actual': y_test[:10].values,
    'predicted': y_pred[:10],
    'error': y_test[:10].values - y_pred[:10]
})

print("Перші 10 прогнозів:")
print(comparison)
print(f"\nСередня помилка: {comparison['error'].abs().mean():.2f} піц")

Перші 10 прогнозів:
    actual  predicted  error
0     28.0      26.3    1.7
1     35.0      33.8    1.2
2     19.0      21.2   -2.2
3     42.0      41.5    0.5
4     22.0      23.7   -1.7
5     31.0      29.8    1.2
6     18.0      19.5   -1.5
7     38.0      36.2    1.8
8     25.0      25.9   -0.9
9     29.0      27.6    1.4

Середня помилка: 1.4 піц

# Сценарій 1: Холодний п'ятничний вечір
friday_evening_cold = pd.DataFrame({
    'temperature': [10],
    'hour_sin': [np.sin(2 * np.pi * 19 / 24)],
    'hour_cos': [np.cos(2 * np.pi * 19 / 24)],
    'is_friday_evening': [1],
    'is_peak_hour': [1],
    'is_weekend': [0],
    'rolling_avg_3h': [28.5],  # Недавній середній
    'price_per_pizza': [12.99],
    'month_sin': [np.sin(2 * np.pi * 1 / 12)],  # Січень
    'month_cos': [np.cos(2 * np.pi * 1 / 12)]
})

prediction = model.predict(friday_evening_cold)
print(f"🍕 Очікувані замовлення: {prediction[0]:.0f} піц")
print(f"💡 Рекомендація: Приготуйте 45-50 піц (додайте буфер)")

🍕 Очікувані замовлення: 42 піци
💡 Рекомендація: Приготуйте 45-50 піц (додайте буфер)

# Сценарій 2: Гарячий вівторок після обіду
tuesday_afternoon_hot = pd.DataFrame({
    'temperature': [32],
    'hour_sin': [np.sin(2 * np.pi * 14 / 24)],
    'hour_cos': [np.cos(2 * np.pi * 14 / 24)],
    'is_friday_evening': [0],
    'is_peak_hour': [0],
    'is_weekend': [0],
    'rolling_avg_3h': [18.2],
    'price_per_pizza': [12.99],
    'month_sin': [np.sin(2 * np.pi * 7 / 12)],  # Липень
    'month_cos': [np.cos(2 * np.pi * 7 / 12)]
})

prediction = model.predict(tuesday_afternoon_hot)
print(f"🍕 Очікувані замовлення: {prediction[0]:.0f} піц")
print(f"💡 Рекомендація: Приготуйте 20-25 піц")

🍕 Очікувані замовлення: 18 піц
💡 Рекомендація: Приготуйте 20-25 піц

# Повний аналіз коефіцієнтів
coef_df = pd.DataFrame({
    'feature': features,
    'coefficient': model.coef_,
    'abs_coefficient': np.abs(model.coef_)
}).sort_values('abs_coefficient', ascending=False)

print("Всі коефіцієнти (відсортовані за впливом):")
print(coef_df)

Всі коефіцієнти (відсортовані за впливом):
             feature  coefficient  abs_coefficient
is_friday_evening        12.35            12.35
is_peak_hour              8.21             8.21
is_weekend                5.12             5.12
rolling_avg_3h            0.48             0.48
temperature              -0.31             0.31
price_per_pizza          -0.18             0.18
hour_sin                  2.15             2.15
month_sin                 1.32             1.32
hour_cos                 -0.89             0.89
month_cos                 0.52             0.52

# Побудувати коефіцієнти
plt.figure(figsize=(10, 6))
coef_df_sorted = coef_df.sort_values('coefficient')

plt.barh(range(len(coef_df_sorted)), coef_df_sorted['coefficient'])
plt.yticks(range(len(coef_df_sorted)), coef_df_sorted['feature'])
plt.xlabel('Значення коефіцієнта')
plt.title('Важливість ознак (коефіцієнти лінійної регресії)')
plt.axvline(0, color='red', linestyle='--', linewidth=1)
plt.grid(True, alpha=0.3, axis='x')
plt.tight_layout()
plt.show()

# Обчислити метрики на тестовому наборі
mae = mean_absolute_error(y_test, y_pred)
mse = mean_squared_error(y_test, y_pred)
rmse = np.sqrt(mse)
r2 = r2_score(y_test, y_pred)

print("📊 Продуктивність моделі на тестовому наборі:")
print("=" * 50)
print(f"MAE (середня абсолютна помилка):  {mae:.2f} піц")
print(f"MSE (середня квадратична помилка):   {mse:.2f}")
print(f"RMSE (корінь середньої квадратичної помилки): {rmse:.2f} піц")
print(f"R² (R-квадрат):            {r2:.3f}")
print("=" * 50)

# Також перевірити продуктивність тренування
y_train_pred = model.predict(X_train)
train_r2 = r2_score(y_train, y_train_pred)
print(f"\n📈 Тренувальний R²: {train_r2:.3f}")
print(f"📉 Тестовий R²:     {r2:.3f}")
print(f"Різниця:           {train_r2 - r2:.3f}")

📊 Продуктивність моделі на тестовому наборі:
==================================================
MAE (середня абсолютна помилка):  2.15 піц
MSE (середня квадратична помилка):   7.84
RMSE (корінь середньої квадратичної помилки): 2.80 піц
R² (R-квадрат):            0.721
==================================================

📈 Тренувальний R²: 0.735
📉 Тестовий R²:     0.721
Різниця:           0.014

# Діаграма розсіювання: Фактичне проти прогнозованого
plt.figure(figsize=(10, 6))
plt.scatter(y_test, y_pred, alpha=0.5)

# Лінія ідеального прогнозу
min_val = min(y_test.min(), y_pred.min())
max_val = max(y_test.max(), y_pred.max())
plt.plot([min_val, max_val], [min_val, max_val],
         'r--', linewidth=2, label='Ідеальний прогноз')

plt.xlabel('Фактично продано піц')
plt.ylabel('Прогнозовано піц')
plt.title('Фактичне проти прогнозованого: Тестовий набір')
plt.legend()
plt.grid(True, alpha=0.3)
plt.tight_layout()
plt.show()

# Обчислити залишки
residuals = y_test - y_pred

# Створити графіки залишків
fig, axes = plt.subplots(1, 2, figsize=(14, 5))

# Графік 1: Залишки проти прогнозованого
axes[0].scatter(y_pred, residuals, alpha=0.5)
axes[0].axhline(0, color='red', linestyle='--', linewidth=2)
axes[0].set_xlabel('Прогнозовані значення')
axes[0].set_ylabel('Залишки (фактичне - прогнозоване)')
axes[0].set_title('Графік залишків')
axes[0].grid(True, alpha=0.3)

# Графік 2: Гістограма залишків
axes[1].hist(residuals, bins=30, edgecolor='black')
axes[1].axvline(0, color='red', linestyle='--', linewidth=2)
axes[1].set_xlabel('Значення залишку (піц)')
axes[1].set_ylabel('Частота')
axes[1].set_title('Розподіл залишків')
axes[1].grid(True, alpha=0.3)

plt.tight_layout()
plt.show()

print(f"Середнє залишків: {residuals.mean():.3f} (має бути ~0)")
print(f"Стд. відхилення залишків:  {residuals.std():.2f} піц")

# Видалити слабкі ознаки (малі коефіцієнти)
strong_features = coef_df[coef_df['abs_coefficient'] > 1.0]['feature'].tolist()

print(f"Сильні ознаки: {strong_features}")

# Перетренувати лише з сильними ознаками
model_simplified = LinearRegression()
model_simplified.fit(X_train[strong_features], y_train)

# Порівняти продуктивність
r2_simple = model_simplified.score(X_test[strong_features], y_test)
print(f"Оригінальний R²: {r2:.3f}")
print(f"Спрощений R²: {r2_simple:.3f}")

from sklearn.preprocessing import PolynomialFeatures

# Додати temperature²
poly = PolynomialFeatures(degree=2, include_bias=False)
X_poly = poly.fit_transform(X_train[['temperature']])

# Тепер модель може навчитись: pizzas = a + b×temp + c×temp²

from sklearn.linear_model import Ridge

# Ridge регресія (L2 регуляризація)
model_ridge = Ridge(alpha=1.0)
model_ridge.fit(X_train, y_train)

✅ Стаття 1: Якість даних
✅ Стаття 2: EDA
✅ Стаття 3: Створення ознак
✅ Стаття 4: Розділення train/test
✅ Стаття 5: Лінійна регресія ← ВИ ТУТ!
    ↓
📍 Далі: Стаття 6: Метрики оцінки моделі

# Натренуйте модель лише з 3 ознаками: temperature, is_friday_evening, is_weekend
# Порівняйте R² з повною моделлю
# Які ознаки мають найбільше значення?

# Прогнозуйте піци для:
# 1. Субота полудень, 25°C
# 2. Понеділок вечір (7 PM), 12°C
# 3. Четвер обід (1 PM), 18°C

# Якщо температура падає з 25°C до 15°C (на 10 градусів холодніше),
# скільки більше піц ми маємо очікувати?
# Підказка: Використайте коефіцієнт температури

# Обчисліть MAE та RMSE на валідаційному наборі
# Чи вони схожі на тестовий набір?
# Що це говорить вам про узагальнення?

# Створіть нову ознаку: is_cold_friday_evening
# (Комбінує is_friday_evening ТА temperature < 10)
# Чи покращує вона модель?