"""Page de fin de séance de /events-learner : la lecture de l'analyste face aux détecteurs, sur toute la plage de la séance. La page de detectors-view/detecteurs.py (images de la caméra, timelapse d'un événement au clic, pose de la caméra, corr_x et corr_y de chaque capteur en couleur, ligne « Error rate »), chaque ligne de catégorie dédoublée : en haut les moments de l'analyste (etiquettes.json des lots de la séance), en bas les événements des détecteurs tels qu'ils sont (la plage classée avec ses 3 jours d'historique, comme le score). En dernier, en gris, les moments « aucune » de l'analyste : vus, mais hors des catégories du journal (sans effet sur les courbes le plus souvent, ou une nouveauté). Sous la figure, la liste des événements des détecteurs, le score de la séance (score.py sur ses seules étiquettes) et le benchmark. Faire coïncider les deux barres de chaque ligne, séance après séance, c'est le but de la boucle. Usage : python3 .claude/skills/events-learner/comparaison.py (page : out/events-learner_.html, ouverte dans le navigateur) """ import contextlib import glob import html import io import json import os import sys sys.path.insert(0, os.path.join(os.path.dirname(os.path.abspath(__file__)), "..", "..", "..", "detectors-view")) import detecteurs # noqa: E402 (la page des détecteurs ; met src/, detectors/ et les outils sur le chemin) from detecteurs import HORS, ROOT, benchmark, open_served, score, survol # noqa: E402 NIVEAUX = {"à ignorer": "Toutes les zones à ignorer", "prudence": "Toutes les zones à lire avec prudence"} def tableau(total, ordre, titre="Catégorie"): """{clé: [mesures de l'analyste, des détecteurs, des deux]} (score.lots) -> table HTML : les catégories, puis les deux niveaux de validité.""" def part(a, b): return f"{round(100 * a / b)} % ({a} sur {b})" if b else "—" cles = [*(c for c in ordre if c in total), *sorted(set(total) - set(ordre) - set(NIVEAUX)), *(k for k in NIVEAUX if k in total)] lignes = "".join(f"{NIVEAUX.get(k, k)}{total[k][0]}" f"{total[k][1]}{part(total[k][2], total[k][0])}{part(total[k][2], total[k][1])}" for k in cles) return (f"" "" + lignes + "
{titre}Vues par l'analysteSignalées par les détecteursTrouvéesConfirmées
") def page(dossier, seance): """La page de detecteurs.py sur la plage de la séance (images, timelapse, pose de la caméra, capteurs en couleur), plus les moments de l'analyste, le score de la séance et le benchmark.""" chemins = sorted(glob.glob(os.path.join(seance, "lot-*", "etiquettes.json"))) if not chemins: sys.exit(f"{seance} : aucun lot-*/etiquettes.json") lots = [] for c in chemins: with open(c, encoding="utf-8") as f: lots.append(json.load(f)) debut, fin = min(x["debut"] for x in lots), max(x["fin"] for x in lots) agent = [(m["debut"], m["fin"], c := HORS if m["categorie"] == "aucune" else m["categorie"], survol(f"Analyste : {c}", m["debut"], m["fin"], m["capteurs"], f"{m['evenement'] or '—'} ({m['preuve']})", m["description"])) for x in lots for m in x["moments"]] with contextlib.redirect_stdout(io.StringIO()): # le détail par lot : lot-NN/score-avant.txt et score-fin.txt total = score.lots(dossier, chemins, True) events, _ = benchmark.mesurer() bench = {c: n[benchmark.TOUTES] for c, n in events.items()} ordre = [*score.categories.CATEGORIES, HORS] nom = os.path.basename(os.path.normpath(seance)) entete = f"""

Séance {html.escape(nom)}

Dessous les courbes, chaque ligne est une catégorie du journal : la barre du haut est la lecture de l'analyste (étiquettes des {len(lots)} lot(s) de la séance), celle du bas, les événements des détecteurs dans leur état de fin de séance. En dernier, en gris, ce que l'analyste a vu hors des catégories du journal : sans effet sur les courbes le plus souvent, ou une nouveauté ; aucun détecteur ne peut le rejoindre. Survol : capteurs, preuve, description ; un clic sur une barre, de l'analyste ou des détecteurs, joue son timelapse. Le but de la boucle : que les deux barres de chaque ligne coïncident.

""" annexe = f"""

Score de la séance

On compte des mesures : une mesure, c'est un capteur à un instant. Trouvées : de ce que l'analyste range dans la catégorie, la part que les détecteurs signalent aussi ; le reste, ils l'ont raté. Confirmées : de ce que signalent les détecteurs, la part que l'analyste range aussi dans la catégorie ; le reste, ce sont des alertes en trop, ou un oubli de l'analyste. Le but : 100 % dans les deux colonnes ; « — » : rien à compter. Les moments hors catégorie ne comptent pas, ni les trous (pas de mesure). En italique, les catégories regroupées comme sur la page du client : zones grisées, et zones de prudence (visibilité réduite, turbulence).

{tableau(total, ordre)}

Benchmark sur la base d'events

Les mêmes détecteurs, face au diagnostic gardé dans chaque event de la base à sa création (ses étiquettes), toutes catégories ensemble. Il garde les détecteurs d'un recul ; il n'est pas un but. Le détail par catégorie : python3 .claude/skills/events-learner/benchmark.py ; dans le temps : {os.path.relpath(benchmark.HISTORIQUE, ROOT)} (version {benchmark.version()}).

{tableau(bench, list(bench), "Event")}""" return detecteurs.page(dossier, debut, fin, entete=entete, annexe=annexe, analyste=agent, chemin=os.path.join(ROOT, "out", f"events-learner_{nom}.html")) if __name__ == "__main__": if len(sys.argv) != 3: sys.exit(__doc__) p = page(sys.argv[1], sys.argv[2]) print(p) open_served(p)