model_generator.py

# model_generator.py
# Questo script allena un modello semplice e lo salva in un file .pkl
# per essere usato dalla nostra API. Non fa parte del servizio, è solo propedeutico.

from sklearn.ensemble import RandomForestClassifier
from sklearn.datasets import make_classification
import joblib

print("1. Creazione del dataset fittizio e training del modello...")

# Creiamo un dataset di esempio per un problema di churn (abbandono clienti)
# Features: eta, sessioni_mensili, spesa_totale
X, y = make_classification(
    n_samples=1000,
    n_features=3,
    n_informative=2,
    n_redundant=0,
    n_classes=2,
    random_state=42
)

# Alleniamo un modello di classificazione
model = RandomForestClassifier(random_state=42)
model.fit(X, y)

print("2. Modello allenato con successo.")

# Salviamo il modello addestrato in un file
joblib.dump(model, 'modello.pkl')

print("3. Modello salvato come 'modello.pkl'.")

# Test rapido per verificare che il modello funzioni
test_input = [[35, 20, 500]] # Esempio: [eta, sessioni_mensili, spesa_totale]
prediction = model.predict(test_input)
print(f"\nVerifica: una previsione per l'input {test_input} darebbe come risultato: {prediction[0]}")