import lime
import lime.lime_tabular
import numpy as np
from sklearn.ensemble import RandomForestClassifier
from sklearn.model_selection import train_test_split

# Dữ liệu mẫu (thay bằng dữ liệu thực tế)
X = np.random.rand(100, 5)  # 100 mẫu, 5 đặc trưng
y = np.random.randint(0, 2, 100)  # Phân loại nhị phân

feature_names = ['Feature_A', 'Feature_B', 'Feature_C', 'Feature_D', 'Feature_E']

# Chia dữ liệu huấn luyện và kiểm tra
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

model = RandomForestClassifier(random_state=42)
model.fit(X_train, y_train)

# Khởi tạo bộ giải thích LIME
explainer = lime.lime_tabular.LimeTabularExplainer(
    training_data=X_train,
    feature_names=feature_names,
    class_names=['Class_0', 'Class_1'],
    mode='classification'
)

# Giải thích dự đoán cho mẫu đầu tiên trong tập kiểm tra
i = 0
exp = explainer.explain_instance(
    data_row=X_test[i],
    predict_fn=model.predict_proba,
    num_features=len(feature_names)
)

print(f"Explanation for sample {i} (Predicted Class: {model.predict(X_test[i].reshape(1, -1))[0]}):")
print("---")
for feature, weight in exp.as_list():
    print(f"{feature}: {weight:.4f}")