Phase 1.5 — Streamlit Dashboard

🎯 목표

Phase 1 결과를 시각화하는 로컬 Streamlit 대시보드 구축

🛠 기술 스택

Streamlit — 대시보드 프레임워크
Plotly — 인터랙티브 차트 (다크모드 지원)
Pandas / PyArrow — 데이터 처리
LightGBM / scikit-learn — 모델 로드

📁 파일 구조

EcoTracing/
└── streamlit/
    ├── app.py                    # 메인 진입점, 홈화면
    ├── utils/
    │   ├── __init__.py           # 패키지 인식
    │   ├── loader.py             # config/모델/결과 파일 로드
    │   └── predictor.py          # 에너지 공식 계산 + 모델 예측
    └── pages/
        ├── predictor.py          # CPU/Mem 슬라이더 -> 실시간 에너지 예측
        ├── eda.py                # EDA 시각화 (분포, 시간대 패턴, 산점도)
        ├── model_compare.py      # 4개 모델 성능 비교 차트
        └── feature_importance.py # 피처 중요도 바/파이 차트

📄 Pages 구성

페이지	내용
🏠 홈 (app.py)	프로젝트 소개, Phase 1 핵심 결과 요약
🔋 Predictor	CPU/Memory 슬라이더 입력 → 실시간 에너지 예측 + 탄소 배출량 + 직관적 비교
📊 EDA	CPU/Memory 분포, 시간대별 패턴, 산점도
🏆 Model Compare	4개 모델 RMSE/R2/MAPE/학습시간 비교 차트
🔍 Feature Importance	피처 중요도 바/파이 차트 + 해석

⚙️ config.yaml 추가된 키

paths:
  processed_file: "instance_usage_full_processed.parquet"
model:
  model_names:
    lightgbm: "energy_model_lightgbm.pkl"
    xgboost: "energy_model_xgboost.pkl"
    randomforest: "energy_model_randomforest.pkl"
    catboost: "energy_model_catboost.pkl"
  results:
    results_json: "phase1_full_results.json"
    feature_importance_csv: "feature_importance_comparison.csv"

🚀 실행 방법

cd C:\\Git\\EcoTracing
streamlit run streamlit/app.py