File size: 14,654 Bytes
6758ac3
 
 
f851c5b
 
6758ac3
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
61ff9dd
 
 
 
 
 
 
 
 
 
 
 
 
 
f851c5b
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
from fastapi.testclient import TestClient
from app.main import app
import logging
from sqlalchemy import create_engine, text
import os

client = TestClient(app)

def test_root():
    response = client.get("/")
    assert response.status_code == 200
    assert response.json() == {"message":"Welcome to the FUTURISYS HR predictor API"}

def test_predict_valid():
    payload = {
        "Genre": "M",
        "Statut Marital": "Marié(e)",
        "Département": "Consulting",
        "Poste": "Consultant",
        "Domaine d'étude": "Infra & Cloud",
        "Fréquence de déplacement": "Occasionnel",
        "Heures supplémentaires": "Non",
        "Âge": 32,
        "Revenu mensuel": 4883,
        "Nombre d'expériences précédentes": 1,
        "Années d'expérience totale": 10,
        "Années dans l'entreprise": 10,
        "Années dans le poste actuel": 4,
        "Nombre de formations suivies": 3,
        "Distance domicile-travail": 7,
        "Niveau d'éducation": 2,
        "Années depuis la dernière promotion": 1,
        "Années sous responsable actuel": 1,
        "Satisfaction environnement": 4,
        "Note évaluation précédente": 3,
        "Satisfaction nature du travail": 3,
        "Satisfaction équipe": 1,
        "Satisfaction équilibre pro/perso": 3,
        "Note évaluation actuelle": 3,
        "Augmentation salaire précédente": "18%"
    }

    response = client.post("/predict", json=payload)
    data = response.json()

    assert response.status_code == 200
    assert data["statut_employe"] == "The staff has a LOW probability of resigning"
    assert data["probability_score"] == 0.28
    assert data["model_threshold"] == 0.37

    # Top 5 SHAP factors
    factors = data["top_5_factors"]
    assert list(factors.keys()) == [
        "revenu_mensuel",
        "annees_dans_l_entreprise",
        "statut_marital_Célibataire",
        "distance_domicile_travail",
        "overall_satisfaction"
    ]

    # Interpretations
    assert factors["revenu_mensuel"]["interpretation"] == "Primary driver — decreases resignation risk"
    assert factors["annees_dans_l_entreprise"]["interpretation"] == "Strong factor — decreases resignation risk"
    assert factors["statut_marital_Célibataire"]["interpretation"] == "Moderate factor — decreases resignation risk"
    assert factors["distance_domicile_travail"]["interpretation"] == "Contributing factor — decreases resignation risk"
    assert factors["overall_satisfaction"]["interpretation"] == "Notable factor — decreases resignation risk"

    # Feature values
    assert factors["revenu_mensuel"]["feature_value"] == 4883.0
    assert factors["annees_dans_l_entreprise"]["feature_value"] == 10.0
    assert factors["statut_marital_Célibataire"]["feature_value"] == "encoded"

    assert factors["distance_domicile_travail"]["feature_value"] == 7.0
    assert factors["overall_satisfaction"]["feature_value"] == 2.75 


class Test_Predict_422:

    def test_predict_422_wrong_input(self):
        payload = {
            "Genre": "X", # INSERTION OF WRONG INPUT F OR M 
            "Statut Marital": "Marié(e)",
            "Département": "Consulting",
            "Poste": "Consultant",
            "Domaine d'étude": "Infra & Cloud",
            "Fréquence de déplacement": "Occasionnel",
            "Heures supplémentaires": "Non",
            "Âge": 32,
            "Revenu mensuel": 4883,
            "Nombre d'expériences précédentes": 1,
            "Années d'expérience totale": 10,
            "Années dans l'entreprise": 10,
            "Années dans le poste actuel": 4,
            "Nombre de formations suivies": 3,
            "Distance domicile-travail": 7,
            "Niveau d'éducation": 2,
            "Années depuis la dernière promotion": 1,
            "Années sous responsable actuel": 1,
            "Satisfaction environnement": 4,
            "Note évaluation précédente": 3,
            "Satisfaction nature du travail": 3,
            "Satisfaction équipe": 1,
            "Satisfaction équilibre pro/perso": 3,
            "Note évaluation actuelle": 3,
            "Augmentation salaire précédente": "18%"
        }
        response = client.post("/predict", json=payload)
        assert response.status_code == 422


    def test_predict_422_wrong_type_str(self):
        payload = {
            "Genre": "M",  
            "Statut Marital": "Marié(e)",
            "Département": "Consulting",
            "Poste": "Consultant",
            "Domaine d'étude": "Infra & Cloud",
            "Fréquence de déplacement": "Occasionnel",
            "Heures supplémentaires": "Non",
            "Âge": "trente", #EXPECTED INT
            "Revenu mensuel": 4883,
            "Nombre d'expériences précédentes": 1,
            "Années d'expérience totale": 10,
            "Années dans l'entreprise": 10,
            "Années dans le poste actuel": 4,
            "Nombre de formations suivies": 3,
            "Distance domicile-travail": 7,
            "Niveau d'éducation": 2,
            "Années depuis la dernière promotion": 1,
            "Années sous responsable actuel": 1,
            "Satisfaction environnement": 4,
            "Note évaluation précédente": 3,
            "Satisfaction nature du travail": 3,
            "Satisfaction équipe": 1,
            "Satisfaction équilibre pro/perso": 3,
            "Note évaluation actuelle": 3,
            "Augmentation salaire précédente": "18%"
        }
        response = client.post("/predict", json=payload)
        assert response.status_code == 422

    def test_predict_422_wrong_type_int(self):
        payload = {
            "Genre": "M",  
            "Statut Marital": "Marié(e)", 
            "Département": "Consulting",
            "Poste": "Consultant",
            "Domaine d'étude": "Infra & Cloud",
            "Fréquence de déplacement": "Occasionnel",
            "Heures supplémentaires": "Non",
            "Âge": 32,
            "Revenu mensuel": 4883.12,#WRONG TYPE, should be int 
            "Nombre d'expériences précédentes": 1,
            "Années d'expérience totale": 10,
            "Années dans l'entreprise": 10,
            "Années dans le poste actuel": 4,
            "Nombre de formations suivies": 3,
            "Distance domicile-travail": 7,
            "Niveau d'éducation": 2,
            "Années depuis la dernière promotion": 1,
            "Années sous responsable actuel": 1,
            "Satisfaction environnement": 4,
            "Note évaluation précédente": 3,
            "Satisfaction nature du travail": 3,
            "Satisfaction équipe": 1,
            "Satisfaction équilibre pro/perso": 3,
            "Note évaluation actuelle": 3,
            "Augmentation salaire précédente": "18%"
        }
        response = client.post("/predict", json=payload)
        assert response.status_code == 422

    def test_predict_422_incomplete_json(self):
        payload = {
            "Genre": "M",  
            "Statut Marital": "Marié(e)", 
            "Département": "Consulting",
            "Poste": "Consultant",
            "Domaine d'étude": "Infra & Cloud",
            "Fréquence de déplacement": "Occasionnel",
            "Heures supplémentaires": "Non",
            "Âge": 32,
            "Revenu mensuel": 4883, 
            "Nombre d'expériences précédentes": 1,
            "Années d'expérience totale": 10,
            "Années dans l'entreprise": 10,
            "Années dans le poste actuel": 4,
            "Nombre de formations suivies": 3,
            "Niveau d'éducation": 2, #MISSING "Distance domicile-travail"
            "Années depuis la dernière promotion": 1,
            "Années sous responsable actuel": 1,
            "Satisfaction environnement": 4,
            "Note évaluation précédente": 3,
            "Satisfaction nature du travail": 3,
            "Satisfaction équipe": 1,
            "Satisfaction équilibre pro/perso": 3,
            "Note évaluation actuelle": 3,
            "Augmentation salaire précédente": "18%"
        }
        response = client.post("/predict", json=payload)
        assert response.status_code == 422

def test_logging(caplog):
    payload = {
        "Genre": "M",  
        "Statut Marital": "Marié(e)", 
        "Département": "Logistique", #check wrong department
        "Poste": "Consultant",
        "Domaine d'étude": "Infra & Cloud",
        "Fréquence de déplacement": "Occasionnel",
        "Heures supplémentaires": "Non",
        "Âge": 32,
        "Revenu mensuel": 4883, 
        "Nombre d'expériences précédentes": 1,
        "Années d'expérience totale": 10,
        "Années dans l'entreprise": 10,
        "Années dans le poste actuel": 4,
        "Nombre de formations suivies": 3,
        "Distance domicile-travail": 7,
        "Niveau d'éducation": 2, 
        "Années depuis la dernière promotion": 1,
        "Années sous responsable actuel": 1,
        "Satisfaction environnement": 4,
        "Note évaluation précédente": 3,
        "Satisfaction nature du travail": 3,
        "Satisfaction équipe": 1,
        "Satisfaction équilibre pro/perso": 3,
        "Note évaluation actuelle": 3,
        "Augmentation salaire précédente": "18%"
    }

    with caplog.at_level(logging.WARNING):
        response = client.post("/predict", json=payload)

    assert response.status_code == 200  # l'API répond quand même
    assert "Unknown value 'Logistique' for column 'departement'" in caplog.text

def test_predict_by_id_valid():

    response = client.get("/predict/1")
    data=response.json()

    assert response.status_code==200
    assert "statut_employe" in data
    assert "probability_score" in data
    assert "top_5_factors" in data

def test_predict_by_id_not_found():
    response = client.get("/predict/99999")
    assert response.status_code == 404
    assert response.json()["detail"] == "Employee ID not found in database"


engine_test = create_engine(os.getenv("DATABASE_URL"))
PAYLOAD = {
    "Genre": "M",
    "Statut Marital": "Marié(e)",
    "Département": "Consulting",
    "Poste": "Consultant",
    "Domaine d'étude": "Infra & Cloud",
    "Fréquence de déplacement": "Occasionnel",
    "Heures supplémentaires": "Non",
    "Âge": 32,
    "Revenu mensuel": 4883,
    "Nombre d'expériences précédentes": 1,
    "Années d'expérience totale": 10,
    "Années dans l'entreprise": 10,
    "Années dans le poste actuel": 4,
    "Nombre de formations suivies": 3,
    "Distance domicile-travail": 7,
    "Niveau d'éducation": 2,
    "Années depuis la dernière promotion": 1,
    "Années sous responsable actuel": 1,
    "Satisfaction environnement": 4,
    "Note évaluation précédente": 3,
    "Satisfaction nature du travail": 3,
    "Satisfaction équipe": 1,
    "Satisfaction équilibre pro/perso": 3,
    "Note évaluation actuelle": 3,
    "Augmentation salaire précédente": "18%"
}

class TestDatabase:

    def test_json_logs_to_test_table(self):
        with engine_test.connect() as conn:
            before = conn.execute(text("SELECT COUNT(*) FROM predictions_log_test")).scalar()
        client.post("/predict", json=PAYLOAD)
        with engine_test.connect() as conn:
            after = conn.execute(text("SELECT COUNT(*) FROM predictions_log_test")).scalar()
        assert after == before + 1

    def test_prod_table_not_touched(self):
        with engine_test.connect() as conn:
            before = conn.execute(text("SELECT COUNT(*) FROM predictions_log")).scalar()
        client.post("/predict", json=PAYLOAD)
        with engine_test.connect() as conn:
            after = conn.execute(text("SELECT COUNT(*) FROM predictions_log")).scalar()
        assert after == before

    def test_predict_by_id_logs_to_test_table(self):
        with engine_test.connect() as conn:
            before = conn.execute(text("SELECT COUNT(*) FROM predictions_log_test")).scalar()
        client.get("/predict/1")
        with engine_test.connect() as conn:
            after = conn.execute(text("SELECT COUNT(*) FROM predictions_log_test")).scalar()
        assert after == before + 1

    def test_predictions_log_test_schema(self):
        with engine_test.connect() as conn:
            cols = conn.execute(text("""
                SELECT column_name FROM information_schema.columns
                WHERE table_name = 'predictions_log_test'
            """)).scalars().all()
        assert "id_employee" in cols
        assert "prediction" in cols
        assert "probability_score" in cols
        assert "timestamp" in cols
        assert "primary_driver" in cols

    def test_employees_full_schema(self):
        with engine_test.connect() as conn:
            result = conn.execute(text("""
                SELECT column_name, data_type 
                FROM information_schema.columns
                WHERE table_name = 'employees_full'
            """)).fetchall()
        col_types = {row[0]: row[1] for row in result}
        
        assert col_types["age"] == "bigint"
        assert col_types["revenu_mensuel"] == "bigint"
        assert col_types["nombre_experiences_precedentes"] == "bigint"
        assert col_types["annee_experience_totale"] == "bigint"
        assert col_types["annees_dans_l_entreprise"] == "bigint"
        assert col_types["annees_dans_le_poste_actuel"] == "bigint"
        assert col_types["nb_formations_suivies"] == "bigint"
        assert col_types["distance_domicile_travail"] == "bigint"
        assert col_types["niveau_education"] == "bigint"
        assert col_types["annees_depuis_la_derniere_promotion"] == "bigint"
        assert col_types["annes_sous_responsable_actuel"] == "bigint"
        assert col_types["satisfaction_employee_environnement"] == "bigint"
        assert col_types["satisfaction_employee_equipe"] == "bigint"
        assert col_types["satisfaction_employee_nature_travail"] == "bigint"
        assert col_types["satisfaction_employee_equilibre_pro_perso"] == "bigint"
        assert col_types["note_evaluation_precedente"] == "bigint"
        assert col_types["note_evaluation_actuelle"] == "bigint"
        assert col_types["genre"] == "text"
        assert col_types["departement"] == "text"
        assert col_types["poste"] == "text"
        assert col_types["statut_marital"] == "text"
        assert col_types["domaine_etude"] == "text"
        assert col_types["frequence_deplacement"] == "text"
        assert col_types["heure_supplementaires"] == "text"
        assert col_types["augementation_salaire_precedente"] == "text"