# 导入必要的库
import joblib
from lazypredict.Supervised import LazyClassifier
from sklearn.metrics import f1_score
import os

from util import load, get, dump

# 加载训练集和测试集
X_train, X_test, y_train, y_test = load("X_train, X_test, y_train, y_test", f'{get("Xy_root")}/Xy')

# 使用LazyClassifier进行快速模型评估
print("开始评估所有的模型:")
clf = LazyClassifier()
scores, _ = clf.fit(X_train, X_test, y_train, y_test)

# 打印不同模型的评估结果对比
print(scores)

# 获取F1分数最高的模型
best_model_name = scores['F1 Score'].idxmax()
print("F1分数最高的模型是: ", best_model_name)
# 根据模型名称，从模型字典中获取模型对象
best_model = clf.models[best_model_name]

# 序列化最佳模型
os.makedirs('./models', exist_ok=True)
dump(best_model, "最好的F1分数的模型", f'{get("model_root")}/best_model')