0333057ea75939788a0ea531bb973d64d3447b42
[moodle.git] / analytics / classes / model.php
1 <?php
2 // This file is part of Moodle - http://moodle.org/
3 //
4 // Moodle is free software: you can redistribute it and/or modify
5 // it under the terms of the GNU General Public License as published by
6 // the Free Software Foundation, either version 3 of the License, or
7 // (at your option) any later version.
8 //
9 // Moodle is distributed in the hope that it will be useful,
10 // but WITHOUT ANY WARRANTY; without even the implied warranty of
11 // MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.  See the
12 // GNU General Public License for more details.
13 //
14 // You should have received a copy of the GNU General Public License
15 // along with Moodle.  If not, see <http://www.gnu.org/licenses/>.
17 /**
18  * Prediction model representation.
19  *
20  * @package   core_analytics
21  * @copyright 2016 David Monllao {@link http://www.davidmonllao.com}
22  * @license   http://www.gnu.org/copyleft/gpl.html GNU GPL v3 or later
23  */
25 namespace core_analytics;
27 defined('MOODLE_INTERNAL') || die();
29 /**
30  * Prediction model representation.
31  *
32  * @package   core_analytics
33  * @copyright 2016 David Monllao {@link http://www.davidmonllao.com}
34  * @license   http://www.gnu.org/copyleft/gpl.html GNU GPL v3 or later
35  */
36 class model {
38     /**
39      * All as expected.
40      */
41     const OK = 0;
43     /**
44      * There was a problem.
45      */
46     const GENERAL_ERROR = 1;
48     /**
49      * No dataset to analyse.
50      */
51     const NO_DATASET = 2;
53     /**
54      * Model with low prediction accuracy.
55      */
56     const EVALUATE_LOW_SCORE = 4;
58     /**
59      * Not enough data to evaluate the model properly.
60      */
61     const EVALUATE_NOT_ENOUGH_DATA = 8;
63     /**
64      * Invalid analysable for the time splitting method.
65      */
66     const ANALYSABLE_REJECTED_TIME_SPLITTING_METHOD = 4;
68     /**
69      * Invalid analysable for all time splitting methods.
70      */
71     const ANALYSABLE_STATUS_INVALID_FOR_RANGEPROCESSORS = 8;
73     /**
74      * Invalid analysable for the target
75      */
76     const ANALYSABLE_STATUS_INVALID_FOR_TARGET = 16;
78     /**
79      * Minimum score to consider a non-static prediction model as good.
80      */
81     const MIN_SCORE = 0.7;
83     /**
84      * Minimum prediction confidence (from 0 to 1) to accept a prediction as reliable enough.
85      */
86     const PREDICTION_MIN_SCORE = 0.6;
88     /**
89      * Maximum standard deviation between different evaluation repetitions to consider that evaluation results are stable.
90      */
91     const ACCEPTED_DEVIATION = 0.05;
93     /**
94      * Number of evaluation repetitions.
95      */
96     const EVALUATION_ITERATIONS = 10;
98     /**
99      * @var \stdClass
100      */
101     protected $model = null;
103     /**
104      * @var \core_analytics\local\analyser\base
105      */
106     protected $analyser = null;
108     /**
109      * @var \core_analytics\local\target\base
110      */
111     protected $target = null;
113     /**
114      * @var \core_analytics\local\indicator\base[]
115      */
116     protected $indicators = null;
118     /**
119      * Unique Model id created from site info and last model modification.
120      *
121      * @var string
122      */
123     protected $uniqueid = null;
125     /**
126      * Constructor.
127      *
128      * @param int|\stdClass $model
129      * @return void
130      */
131     public function __construct($model) {
132         global $DB;
134         if (is_scalar($model)) {
135             $model = $DB->get_record('analytics_models', array('id' => $model), '*', MUST_EXIST);
136             if (!$model) {
137                 throw new \moodle_exception('errorunexistingmodel', 'analytics', '', $model);
138             }
139         }
140         $this->model = $model;
141     }
143     /**
144      * Quick safety check to discard site models which required components are not available anymore.
145      *
146      * @return bool
147      */
148     public function is_available() {
149         $target = $this->get_target();
150         if (!$target) {
151             return false;
152         }
154         $classname = $target->get_analyser_class();
155         if (!class_exists($classname)) {
156             return false;
157         }
159         return true;
160     }
162     /**
163      * Returns the model id.
164      *
165      * @return int
166      */
167     public function get_id() {
168         return $this->model->id;
169     }
171     /**
172      * Returns a plain \stdClass with the model data.
173      *
174      * @return \stdClass
175      */
176     public function get_model_obj() {
177         return $this->model;
178     }
180     /**
181      * Returns the model target.
182      *
183      * @return \core_analytics\local\target\base
184      */
185     public function get_target() {
186         if ($this->target !== null) {
187             return $this->target;
188         }
189         $instance = \core_analytics\manager::get_target($this->model->target);
190         $this->target = $instance;
192         return $this->target;
193     }
195     /**
196      * Returns the model indicators.
197      *
198      * @return \core_analytics\local\indicator\base[]
199      */
200     public function get_indicators() {
201         if ($this->indicators !== null) {
202             return $this->indicators;
203         }
205         $fullclassnames = json_decode($this->model->indicators);
207         if (!is_array($fullclassnames)) {
208             throw new \coding_exception('Model ' . $this->model->id . ' indicators can not be read');
209         }
211         $this->indicators = array();
212         foreach ($fullclassnames as $fullclassname) {
213             $instance = \core_analytics\manager::get_indicator($fullclassname);
214             if ($instance) {
215                 $this->indicators[$fullclassname] = $instance;
216             } else {
217                 debugging('Can\'t load ' . $fullclassname . ' indicator', DEBUG_DEVELOPER);
218             }
219         }
221         return $this->indicators;
222     }
224     /**
225      * Returns the list of indicators that could potentially be used by the model target.
226      *
227      * It includes the indicators that are part of the model.
228      *
229      * @return \core_analytics\local\indicator\base[]
230      */
231     public function get_potential_indicators() {
233         $indicators = \core_analytics\manager::get_all_indicators();
235         if (empty($this->analyser)) {
236             $this->init_analyser(array('evaluation' => true));
237         }
239         foreach ($indicators as $classname => $indicator) {
240             if ($this->analyser->check_indicator_requirements($indicator) !== true) {
241                 unset($indicators[$classname]);
242             }
243         }
244         return $indicators;
245     }
247     /**
248      * Returns the model analyser (defined by the model target).
249      *
250      * @return \core_analytics\local\analyser\base
251      */
252     public function get_analyser() {
253         if ($this->analyser !== null) {
254             return $this->analyser;
255         }
257         // Default initialisation with no options.
258         $this->init_analyser();
260         return $this->analyser;
261     }
263     /**
264      * Initialises the model analyser.
265      *
266      * @throws \coding_exception
267      * @param array $options
268      * @return void
269      */
270     protected function init_analyser($options = array()) {
272         $target = $this->get_target();
273         $indicators = $this->get_indicators();
275         if (empty($target)) {
276             throw new \moodle_exception('errornotarget', 'analytics');
277         }
279         if (!empty($options['evaluation'])) {
280             // The evaluation process will run using all available time splitting methods unless one is specified.
281             if (!empty($options['timesplitting'])) {
282                 $timesplitting = \core_analytics\manager::get_time_splitting($options['timesplitting']);
283                 $timesplittings = array($timesplitting->get_id() => $timesplitting);
284             } else {
285                 $timesplittings = \core_analytics\manager::get_enabled_time_splitting_methods();
286             }
287         } else {
289             if (empty($this->model->timesplitting)) {
290                 throw new \moodle_exception('invalidtimesplitting', 'analytics', '', $this->model->id);
291             }
293             // Returned as an array as all actions (evaluation, training and prediction) go through the same process.
294             $timesplittings = array($this->model->timesplitting => $this->get_time_splitting());
295         }
297         if (empty($timesplittings)) {
298             throw new \moodle_exception('errornotimesplittings', 'analytics');
299         }
301         if (!empty($options['evaluation'])) {
302             foreach ($timesplittings as $timesplitting) {
303                 $timesplitting->set_evaluating(true);
304             }
305         }
307         $classname = $target->get_analyser_class();
308         if (!class_exists($classname)) {
309             throw new \coding_exception($classname . ' class does not exists');
310         }
312         // Returns a \core_analytics\local\analyser\base class.
313         $this->analyser = new $classname($this->model->id, $target, $indicators, $timesplittings, $options);
314     }
316     /**
317      * Returns the model time splitting method.
318      *
319      * @return \core_analytics\local\time_splitting\base|false Returns false if no time splitting.
320      */
321     public function get_time_splitting() {
322         if (empty($this->model->timesplitting)) {
323             return false;
324         }
325         return \core_analytics\manager::get_time_splitting($this->model->timesplitting);
326     }
328     /**
329      * Creates a new model. Enables it if $timesplittingid is specified.
330      *
331      * @param \core_analytics\local\target\base $target
332      * @param \core_analytics\local\indicator\base[] $indicators
333      * @param string $timesplittingid The time splitting method id (its fully qualified class name)
334      * @return \core_analytics\model
335      */
336     public static function create(\core_analytics\local\target\base $target, array $indicators, $timesplittingid = false) {
337         global $USER, $DB;
339         \core_analytics\manager::check_can_manage_models();
341         $indicatorclasses = self::indicator_classes($indicators);
343         $now = time();
345         $modelobj = new \stdClass();
346         $modelobj->target = $target->get_id();
347         $modelobj->indicators = json_encode($indicatorclasses);
348         $modelobj->version = $now;
349         $modelobj->timecreated = $now;
350         $modelobj->timemodified = $now;
351         $modelobj->usermodified = $USER->id;
353         $id = $DB->insert_record('analytics_models', $modelobj);
355         // Get db defaults.
356         $modelobj = $DB->get_record('analytics_models', array('id' => $id), '*', MUST_EXIST);
358         $model = new static($modelobj);
360         if ($timesplittingid) {
361             $model->enable($timesplittingid);
362         }
364         if ($model->is_static()) {
365             $model->mark_as_trained();
366         }
368         return $model;
369     }
371     /**
372      * Does this model exist?
373      *
374      * If no indicators are provided it considers any model with the provided
375      * target a match.
376      *
377      * @param \core_analytics\local\target\base $target
378      * @param \core_analytics\local\indicator\base[]|false $indicators
379      * @return bool
380      */
381     public static function exists(\core_analytics\local\target\base $target, $indicators = false) {
382         global $DB;
384         $existingmodels = $DB->get_records('analytics_models', array('target' => $target->get_id()));
386         if (!$indicators && $existingmodels) {
387             return true;
388         }
390         $indicatorids = array_keys($indicators);
391         sort($indicatorids);
393         foreach ($existingmodels as $modelobj) {
394             $model = new \core_analytics\model($modelobj);
395             $modelindicatorids = array_keys($model->get_indicators());
396             sort($modelindicatorids);
398             if ($indicatorids === $modelindicatorids) {
399                 return true;
400             }
401         }
402         return false;
403     }
405     /**
406      * Updates the model.
407      *
408      * @param int|bool $enabled
409      * @param \core_analytics\local\indicator\base[]|false $indicators False to respect current indicators
410      * @param string|false $timesplittingid False to respect current time splitting method
411      * @return void
412      */
413     public function update($enabled, $indicators = false, $timesplittingid = '') {
414         global $USER, $DB;
416         \core_analytics\manager::check_can_manage_models();
418         $now = time();
420         if ($indicators !== false) {
421             $indicatorclasses = self::indicator_classes($indicators);
422             $indicatorsstr = json_encode($indicatorclasses);
423         } else {
424             // Respect current value.
425             $indicatorsstr = $this->model->indicators;
426         }
428         if ($timesplittingid === false) {
429             // Respect current value.
430             $timesplittingid = $this->model->timesplitting;
431         }
433         if ($this->model->timesplitting !== $timesplittingid ||
434                 $this->model->indicators !== $indicatorsstr) {
435             // We update the version of the model so different time splittings are not mixed up.
436             $this->model->version = $now;
438             // Delete generated predictions.
439             $this->clear_model();
441             // Purge all generated files.
442             \core_analytics\dataset_manager::clear_model_files($this->model->id);
444             // Reset trained flag.
445             $this->model->trained = 0;
447         } else if ($this->model->enabled != $enabled) {
448             // We purge the cached contexts with insights as some will not be visible anymore.
449             $this->purge_insights_cache();
450         }
452         $this->model->enabled = intval($enabled);
453         $this->model->indicators = $indicatorsstr;
454         $this->model->timesplitting = $timesplittingid;
455         $this->model->timemodified = $now;
456         $this->model->usermodified = $USER->id;
458         $DB->update_record('analytics_models', $this->model);
460         // It needs to be reset (just in case, we may already used it).
461         $this->uniqueid = null;
462     }
464     /**
465      * Removes the model.
466      *
467      * @return void
468      */
469     public function delete() {
470         global $DB;
472         \core_analytics\manager::check_can_manage_models();
474         $this->clear_model();
475         $DB->delete_records('analytics_models', array('id' => $this->model->id));
476     }
478     /**
479      * Evaluates the model.
480      *
481      * This method gets the site contents (through the analyser) creates a .csv dataset
482      * with them and evaluates the model prediction accuracy multiple times using the
483      * machine learning backend. It returns an object where the model score is the average
484      * prediction accuracy of all executed evaluations.
485      *
486      * @param array $options
487      * @return \stdClass[]
488      */
489     public function evaluate($options = array()) {
491         \core_analytics\manager::check_can_manage_models();
493         if ($this->is_static()) {
494             $this->get_analyser()->add_log(get_string('noevaluationbasedassumptions', 'analytics'));
495             $result = new \stdClass();
496             $result->status = self::NO_DATASET;
497             return array($this->get_time_splitting()->get_id() => $result);
498         }
500         $options['evaluation'] = true;
501         $this->init_analyser($options);
503         if (empty($this->get_indicators())) {
504             throw new \moodle_exception('errornoindicators', 'analytics');
505         }
507         $this->heavy_duty_mode();
509         // Before get_labelled_data call so we get an early exception if it is not ready.
510         $predictor = \core_analytics\manager::get_predictions_processor();
512         $datasets = $this->get_analyser()->get_labelled_data();
514         // No datasets generated.
515         if (empty($datasets)) {
516             $result = new \stdClass();
517             $result->status = self::NO_DATASET;
518             $result->info = $this->get_analyser()->get_logs();
519             return array($result);
520         }
522         if (!PHPUNIT_TEST && CLI_SCRIPT) {
523             echo PHP_EOL . get_string('processingsitecontents', 'analytics') . PHP_EOL;
524         }
526         $results = array();
527         foreach ($datasets as $timesplittingid => $dataset) {
529             $timesplitting = \core_analytics\manager::get_time_splitting($timesplittingid);
531             $result = new \stdClass();
533             $dashestimesplittingid = str_replace('\\', '', $timesplittingid);
534             $outputdir = $this->get_output_dir(array('evaluation', $dashestimesplittingid));
536             // Evaluate the dataset, the deviation we accept in the results depends on the amount of iterations.
537             if ($this->get_target()->is_linear()) {
538                 $predictorresult = $predictor->evaluate_regression($this->get_unique_id(), self::ACCEPTED_DEVIATION,
539                 self::EVALUATION_ITERATIONS, $dataset, $outputdir);
540             } else {
541                 $predictorresult = $predictor->evaluate_classification($this->get_unique_id(), self::ACCEPTED_DEVIATION,
542                 self::EVALUATION_ITERATIONS, $dataset, $outputdir);
543             }
545             $result->status = $predictorresult->status;
546             $result->info = $predictorresult->info;
548             if (isset($predictorresult->score)) {
549                 $result->score = $predictorresult->score;
550             } else {
551                 // Prediction processors may return an error, default to 0 score in that case.
552                 $result->score = 0;
553             }
555             $dir = false;
556             if (!empty($predictorresult->dir)) {
557                 $dir = $predictorresult->dir;
558             }
560             $result->logid = $this->log_result($timesplitting->get_id(), $result->score, $dir, $result->info);
562             $results[$timesplitting->get_id()] = $result;
563         }
565         return $results;
566     }
568     /**
569      * Trains the model using the site contents.
570      *
571      * This method prepares a dataset from the site contents (through the analyser)
572      * and passes it to the machine learning backends. Static models are skipped as
573      * they do not require training.
574      *
575      * @return \stdClass
576      */
577     public function train() {
579         \core_analytics\manager::check_can_manage_models();
581         if ($this->is_static()) {
582             $this->get_analyser()->add_log(get_string('notrainingbasedassumptions', 'analytics'));
583             $result = new \stdClass();
584             $result->status = self::OK;
585             return $result;
586         }
588         if (!$this->is_enabled() || empty($this->model->timesplitting)) {
589             throw new \moodle_exception('invalidtimesplitting', 'analytics', '', $this->model->id);
590         }
592         if (empty($this->get_indicators())) {
593             throw new \moodle_exception('errornoindicators', 'analytics');
594         }
596         $this->heavy_duty_mode();
598         // Before get_labelled_data call so we get an early exception if it is not writable.
599         $outputdir = $this->get_output_dir(array('execution'));
601         // Before get_labelled_data call so we get an early exception if it is not ready.
602         $predictor = \core_analytics\manager::get_predictions_processor();
604         $datasets = $this->get_analyser()->get_labelled_data();
606         // No training if no files have been provided.
607         if (empty($datasets) || empty($datasets[$this->model->timesplitting])) {
609             $result = new \stdClass();
610             $result->status = self::NO_DATASET;
611             $result->info = $this->get_analyser()->get_logs();
612             return $result;
613         }
614         $samplesfile = $datasets[$this->model->timesplitting];
616         // Train using the dataset.
617         if ($this->get_target()->is_linear()) {
618             $predictorresult = $predictor->train_regression($this->get_unique_id(), $samplesfile, $outputdir);
619         } else {
620             $predictorresult = $predictor->train_classification($this->get_unique_id(), $samplesfile, $outputdir);
621         }
623         $result = new \stdClass();
624         $result->status = $predictorresult->status;
625         $result->info = $predictorresult->info;
627         $this->flag_file_as_used($samplesfile, 'trained');
629         // Mark the model as trained if it wasn't.
630         if ($this->model->trained == false) {
631             $this->mark_as_trained();
632         }
634         return $result;
635     }
637     /**
638      * Get predictions from the site contents.
639      *
640      * It analyses the site contents (through analyser classes) looking for samples
641      * ready to receive predictions. It generates a dataset with all samples ready to
642      * get predictions and it passes it to the machine learning backends or to the
643      * targets based on assumptions to get the predictions.
644      *
645      * @return \stdClass
646      */
647     public function predict() {
648         global $DB;
650         \core_analytics\manager::check_can_manage_models();
652         if (!$this->is_enabled() || empty($this->model->timesplitting)) {
653             throw new \moodle_exception('invalidtimesplitting', 'analytics', '', $this->model->id);
654         }
656         if (empty($this->get_indicators())) {
657             throw new \moodle_exception('errornoindicators', 'analytics');
658         }
660         $this->heavy_duty_mode();
662         // Before get_unlabelled_data call so we get an early exception if it is not writable.
663         $outputdir = $this->get_output_dir(array('execution'));
665         // Before get_unlabelled_data call so we get an early exception if it is not ready.
666         if (!$this->is_static()) {
667             $predictor = \core_analytics\manager::get_predictions_processor();
668         }
670         $samplesdata = $this->get_analyser()->get_unlabelled_data();
672         // Get the prediction samples file.
673         if (empty($samplesdata) || empty($samplesdata[$this->model->timesplitting])) {
675             $result = new \stdClass();
676             $result->status = self::NO_DATASET;
677             $result->info = $this->get_analyser()->get_logs();
678             return $result;
679         }
680         $samplesfile = $samplesdata[$this->model->timesplitting];
682         // We need to throw an exception if we are trying to predict stuff that was already predicted.
683         $params = array('modelid' => $this->model->id, 'fileid' => $samplesfile->get_id(), 'action' => 'predicted');
684         if ($predicted = $DB->get_record('analytics_used_files', $params)) {
685             throw new \moodle_exception('erroralreadypredict', 'analytics', '', $samplesfile->get_id());
686         }
688         $indicatorcalculations = \core_analytics\dataset_manager::get_structured_data($samplesfile);
690         // Prepare the results object.
691         $result = new \stdClass();
693         if ($this->is_static()) {
694             // Prediction based on assumptions.
695             $result->status = self::OK;
696             $result->info = [];
697             $result->predictions = $this->get_static_predictions($indicatorcalculations);
699         } else {
700             // Estimation and classification processes run on the machine learning backend side.
701             if ($this->get_target()->is_linear()) {
702                 $predictorresult = $predictor->estimate($this->get_unique_id(), $samplesfile, $outputdir);
703             } else {
704                 $predictorresult = $predictor->classify($this->get_unique_id(), $samplesfile, $outputdir);
705             }
706             $result->status = $predictorresult->status;
707             $result->info = $predictorresult->info;
708             $result->predictions = $this->format_predictor_predictions($predictorresult);
709         }
711         if ($result->predictions) {
712             $samplecontexts = $this->execute_prediction_callbacks($result->predictions, $indicatorcalculations);
713         }
715         if (!empty($samplecontexts) && $this->uses_insights()) {
716             $this->trigger_insights($samplecontexts);
717         }
719         $this->flag_file_as_used($samplesfile, 'predicted');
721         return $result;
722     }
724     /**
725      * Formats the predictor results.
726      *
727      * @param array $predictorresult
728      * @return array
729      */
730     private function format_predictor_predictions($predictorresult) {
732         $predictions = array();
733         if ($predictorresult->predictions) {
734             foreach ($predictorresult->predictions as $sampleinfo) {
736                 // We parse each prediction.
737                 switch (count($sampleinfo)) {
738                     case 1:
739                         // For whatever reason the predictions processor could not process this sample, we
740                         // skip it and do nothing with it.
741                         debugging($this->model->id . ' model predictions processor could not process the sample with id ' .
742                             $sampleinfo[0], DEBUG_DEVELOPER);
743                         continue;
744                     case 2:
745                         // Prediction processors that do not return a prediction score will have the maximum prediction
746                         // score.
747                         list($uniquesampleid, $prediction) = $sampleinfo;
748                         $predictionscore = 1;
749                         break;
750                     case 3:
751                         list($uniquesampleid, $prediction, $predictionscore) = $sampleinfo;
752                         break;
753                     default:
754                         break;
755                 }
756                 $predictiondata = (object)['prediction' => $prediction, 'predictionscore' => $predictionscore];
757                 $predictions[$uniquesampleid] = $predictiondata;
758             }
759         }
760         return $predictions;
761     }
763     /**
764      * Execute the prediction callbacks defined by the target.
765      *
766      * @param \stdClass[] $predictions
767      * @param array $indicatorcalculations
768      * @return array
769      */
770     protected function execute_prediction_callbacks($predictions, $indicatorcalculations) {
772         // Here we will store all predictions' contexts, this will be used to limit which users will see those predictions.
773         $samplecontexts = array();
775         foreach ($predictions as $uniquesampleid => $prediction) {
777             if ($this->get_target()->triggers_callback($prediction->prediction, $prediction->predictionscore)) {
779                 // The unique sample id contains both the sampleid and the rangeindex.
780                 list($sampleid, $rangeindex) = $this->get_time_splitting()->infer_sample_info($uniquesampleid);
782                 // Store the predicted values.
783                 list($record, $samplecontext) = $this->prepare_prediction_record($sampleid, $rangeindex, $prediction->prediction,
784                     $prediction->predictionscore, json_encode($indicatorcalculations[$uniquesampleid]));
786                 // We will later bulk-insert them all.
787                 $records[$uniquesampleid] = $record;
789                 // Also store all samples context to later generate insights or whatever action the target wants to perform.
790                 $samplecontexts[$samplecontext->id] = $samplecontext;
792                 $this->get_target()->prediction_callback($this->model->id, $sampleid, $rangeindex, $samplecontext,
793                     $prediction->prediction, $prediction->predictionscore);
794             }
795         }
797         $this->save_predictions($records);
799         return $samplecontexts;
800     }
802     /**
803      * Generates insights and updates the cache.
804      *
805      * @param \context[] $samplecontexts
806      * @return void
807      */
808     protected function trigger_insights($samplecontexts) {
810         // Notify the target that all predictions have been processed.
811         $this->get_target()->generate_insight_notifications($this->model->id, $samplecontexts);
813         // Update cache.
814         $cache = \cache::make('core', 'contextwithinsights');
815         foreach ($samplecontexts as $context) {
816             $modelids = $cache->get($context->id);
817             if (!$modelids) {
818                 // The cache is empty, but we don't know if it is empty because there are no insights
819                 // in this context or because cache/s have been purged, we need to be conservative and
820                 // "pay" 1 db read to fill up the cache.
821                 $models = \core_analytics\manager::get_models_with_insights($context);
822                 $cache->set($context->id, array_keys($models));
823             } else if (!in_array($this->get_id(), $modelids)) {
824                 array_push($modelids, $this->get_id());
825                 $cache->set($context->id, $modelids);
826             }
827         }
828     }
830     /**
831      * Get predictions from a static model.
832      *
833      * @param array $indicatorcalculations
834      * @return \stdClass[]
835      */
836     protected function get_static_predictions(&$indicatorcalculations) {
838         // Group samples by analysable for \core_analytics\local\target::calculate.
839         $analysables = array();
840         // List all sampleids together.
841         $sampleids = array();
843         foreach ($indicatorcalculations as $uniquesampleid => $indicators) {
844             list($sampleid, $rangeindex) = $this->get_time_splitting()->infer_sample_info($uniquesampleid);
846             $analysable = $this->get_analyser()->get_sample_analysable($sampleid);
847             $analysableclass = get_class($analysable);
848             if (empty($analysables[$analysableclass])) {
849                 $analysables[$analysableclass] = array();
850             }
851             if (empty($analysables[$analysableclass][$rangeindex])) {
852                 $analysables[$analysableclass][$rangeindex] = (object)[
853                     'analysable' => $analysable,
854                     'indicatorsdata' => array(),
855                     'sampleids' => array()
856                 ];
857             }
858             // Using the sampleid as a key so we can easily merge indicators data later.
859             $analysables[$analysableclass][$rangeindex]->indicatorsdata[$sampleid] = $indicators;
860             // We could use indicatorsdata keys but the amount of redundant data is not that big and leaves code below cleaner.
861             $analysables[$analysableclass][$rangeindex]->sampleids[$sampleid] = $sampleid;
863             // Accumulate sample ids to get all their associated data in 1 single db query (analyser::get_samples).
864             $sampleids[$sampleid] = $sampleid;
865         }
867         // Get all samples data.
868         list($sampleids, $samplesdata) = $this->get_analyser()->get_samples($sampleids);
870         // Calculate the targets.
871         $predictions = array();
872         foreach ($analysables as $analysableclass => $rangedata) {
873             foreach ($rangedata as $rangeindex => $data) {
875                 // Attach samples data and calculated indicators data.
876                 $this->get_target()->clear_sample_data();
877                 $this->get_target()->add_sample_data($samplesdata);
878                 $this->get_target()->add_sample_data($data->indicatorsdata);
880                 // Append new elements (we can not get duplicates because sample-analysable relation is N-1).
881                 $range = $this->get_time_splitting()->get_range_by_index($rangeindex);
882                 $this->get_target()->filter_out_invalid_samples($data->sampleids, $data->analysable, false);
883                 $calculations = $this->get_target()->calculate($data->sampleids, $data->analysable, $range['start'], $range['end']);
885                 // Missing $indicatorcalculations values in $calculations are caused by is_valid_sample. We need to remove
886                 // these $uniquesampleid from $indicatorcalculations because otherwise they will be stored as calculated
887                 // by self::save_prediction.
888                 $indicatorcalculations = array_filter($indicatorcalculations, function($indicators, $uniquesampleid) use ($calculations) {
889                     list($sampleid, $rangeindex) = $this->get_time_splitting()->infer_sample_info($uniquesampleid);
890                     if (!isset($calculations[$sampleid])) {
891                         return false;
892                     }
893                     return true;
894                 }, ARRAY_FILTER_USE_BOTH);
896                 foreach ($calculations as $sampleid => $value) {
898                     $uniquesampleid = $this->get_time_splitting()->append_rangeindex($sampleid, $rangeindex);
900                     // Null means that the target couldn't calculate the sample, we also remove them from $indicatorcalculations.
901                     if (is_null($calculations[$sampleid])) {
902                         unset($indicatorcalculations[$uniquesampleid]);
903                         continue;
904                     }
906                     // Even if static predictions are based on assumptions we flag them as 100% because they are 100%
907                     // true according to what the developer defined.
908                     $predictions[$uniquesampleid] = (object)['prediction' => $value, 'predictionscore' => 1];
909                 }
910             }
911         }
912         return $predictions;
913     }
915     /**
916      * Stores the prediction in the database.
917      *
918      * @param int $sampleid
919      * @param int $rangeindex
920      * @param int $prediction
921      * @param float $predictionscore
922      * @param string $calculations
923      * @return \context
924      */
925     protected function prepare_prediction_record($sampleid, $rangeindex, $prediction, $predictionscore, $calculations) {
926         global $DB;
928         $context = $this->get_analyser()->sample_access_context($sampleid);
930         $record = new \stdClass();
931         $record->modelid = $this->model->id;
932         $record->contextid = $context->id;
933         $record->sampleid = $sampleid;
934         $record->rangeindex = $rangeindex;
935         $record->prediction = $prediction;
936         $record->predictionscore = $predictionscore;
937         $record->calculations = $calculations;
938         $record->timecreated = time();
940         return array($record, $context);
941     }
943     /**
944      * Save the prediction objects.
945      *
946      * @param \stdClass[] $records
947      */
948     protected function save_predictions($records) {
949         global $DB;
950         $DB->insert_records('analytics_predictions', $records);
951     }
953     /**
954      * Enabled the model using the provided time splitting method.
955      *
956      * @param string|false $timesplittingid False to respect the current time splitting method.
957      * @return void
958      */
959     public function enable($timesplittingid = false) {
960         global $DB;
962         \core_analytics\manager::check_can_manage_models();
964         $now = time();
966         if ($timesplittingid && $timesplittingid !== $this->model->timesplitting) {
968             if (!\core_analytics\manager::is_valid($timesplittingid, '\core_analytics\local\time_splitting\base')) {
969                 throw new \moodle_exception('errorinvalidtimesplitting', 'analytics');
970             }
972             if (substr($timesplittingid, 0, 1) !== '\\') {
973                 throw new \moodle_exception('errorinvalidtimesplitting', 'analytics');
974             }
976             $this->model->timesplitting = $timesplittingid;
977             $this->model->version = $now;
978         }
980         // Purge pages with insights as this may change things.
981         if ($timesplittingid && $timesplittingid !== $this->model->timesplitting ||
982                 $this->model->enabled != 1) {
983             $this->purge_insights_cache();
984         }
986         $this->model->enabled = 1;
987         $this->model->timemodified = $now;
989         // We don't always update timemodified intentionally as we reserve it for target, indicators or timesplitting updates.
990         $DB->update_record('analytics_models', $this->model);
992         // It needs to be reset (just in case, we may already used it).
993         $this->uniqueid = null;
994     }
996     /**
997      * Is this a static model (as defined by the target)?.
998      *
999      * Static models are based on assumptions instead of in machine learning
1000      * backends results.
1001      *
1002      * @return bool
1003      */
1004     public function is_static() {
1005         return (bool)$this->get_target()->based_on_assumptions();
1006     }
1008     /**
1009      * Is this model enabled?
1010      *
1011      * @return bool
1012      */
1013     public function is_enabled() {
1014         return (bool)$this->model->enabled;
1015     }
1017     /**
1018      * Is this model already trained?
1019      *
1020      * @return bool
1021      */
1022     public function is_trained() {
1023         // Models which targets are based on assumptions do not need training.
1024         return (bool)$this->model->trained || $this->is_static();
1025     }
1027     /**
1028      * Marks the model as trained
1029      *
1030      * @return void
1031      */
1032     public function mark_as_trained() {
1033         global $DB;
1035         \core_analytics\manager::check_can_manage_models();
1037         $this->model->trained = 1;
1038         $DB->update_record('analytics_models', $this->model);
1039     }
1041     /**
1042      * Get the contexts with predictions.
1043      *
1044      * @return \stdClass[]
1045      */
1046     public function get_predictions_contexts() {
1047         global $DB;
1049         $sql = "SELECT DISTINCT ap.contextid FROM {analytics_predictions} ap
1050                   JOIN {context} ctx ON ctx.id = ap.contextid
1051                  WHERE ap.modelid = ?";
1052         return $DB->get_records_sql($sql, array($this->model->id));
1053     }
1055     /**
1056      * Has this model generated predictions?
1057      *
1058      * We don't check analytics_predictions table because targets have the ability to
1059      * ignore some predicted values, if that is the case predictions are not even stored
1060      * in db.
1061      *
1062      * @return bool
1063      */
1064     public function any_prediction_obtained() {
1065         global $DB;
1066         return $DB->record_exists('analytics_predict_samples',
1067             array('modelid' => $this->model->id, 'timesplitting' => $this->model->timesplitting));
1068     }
1070     /**
1071      * Whether this model generates insights or not (defined by the model's target).
1072      *
1073      * @return bool
1074      */
1075     public function uses_insights() {
1076         $target = $this->get_target();
1077         return $target::uses_insights();
1078     }
1080     /**
1081      * Whether predictions exist for this context.
1082      *
1083      * @param \context $context
1084      * @return bool
1085      */
1086     public function predictions_exist(\context $context) {
1087         global $DB;
1089         // Filters out previous predictions keeping only the last time range one.
1090         $select = "modelid = :modelid AND contextid = :contextid";
1091         $params = array('modelid' => $this->model->id, 'contextid' => $context->id);
1092         return $DB->record_exists_select('analytics_predictions', $select, $params);
1093     }
1095     /**
1096      * Gets the predictions for this context.
1097      *
1098      * @param \context $context
1099      * @param int $page The page of results to fetch. False for all results.
1100      * @param int $perpage The max number of results to fetch. Ignored if $page is false.
1101      * @return array($total, \core_analytics\prediction[])
1102      */
1103     public function get_predictions(\context $context, $skiphidden = true, $page = false, $perpage = 100) {
1104         global $DB, $USER;
1106         \core_analytics\manager::check_can_list_insights($context);
1108         // Filters out previous predictions keeping only the last time range one.
1109         $sql = "SELECT ap.*
1110                   FROM {analytics_predictions} ap
1111                   JOIN (
1112                     SELECT sampleid, max(rangeindex) AS rangeindex
1113                       FROM {analytics_predictions}
1114                      WHERE modelid = :modelidsubap and contextid = :contextidsubap
1115                     GROUP BY sampleid
1116                   ) apsub
1117                   ON ap.sampleid = apsub.sampleid AND ap.rangeindex = apsub.rangeindex
1118                 WHERE ap.modelid = :modelid and ap.contextid = :contextid";
1120         $params = array('modelid' => $this->model->id, 'contextid' => $context->id,
1121             'modelidsubap' => $this->model->id, 'contextidsubap' => $context->id);
1123         if ($skiphidden) {
1124             $sql .= " AND NOT EXISTS (
1125               SELECT 1
1126                 FROM {analytics_prediction_actions} apa
1127                WHERE apa.predictionid = ap.id AND apa.userid = :userid AND (apa.actionname = :fixed OR apa.actionname = :notuseful)
1128             )";
1129             $params['userid'] = $USER->id;
1130             $params['fixed'] = \core_analytics\prediction::ACTION_FIXED;
1131             $params['notuseful'] = \core_analytics\prediction::ACTION_NOT_USEFUL;
1132         }
1134         $sql .= " ORDER BY ap.timecreated DESC";
1135         if (!$predictions = $DB->get_records_sql($sql, $params)) {
1136             return array();
1137         }
1139         // Get predicted samples' ids.
1140         $sampleids = array_map(function($prediction) {
1141             return $prediction->sampleid;
1142         }, $predictions);
1144         list($unused, $samplesdata) = $this->get_analyser()->get_samples($sampleids);
1146         $current = 0;
1148         if ($page !== false) {
1149             $offset = $page * $perpage;
1150             $limit = $offset + $perpage;
1151         }
1153         foreach ($predictions as $predictionid => $predictiondata) {
1155             $sampleid = $predictiondata->sampleid;
1157             // Filter out predictions which samples are not available anymore.
1158             if (empty($samplesdata[$sampleid])) {
1159                 unset($predictions[$predictionid]);
1160                 continue;
1161             }
1163             // Return paginated dataset - we cannot paginate in the DB because we post filter the list.
1164             if ($page === false || ($current >= $offset && $current < $limit)) {
1165                 // Replace \stdClass object by \core_analytics\prediction objects.
1166                 $prediction = new \core_analytics\prediction($predictiondata, $samplesdata[$sampleid]);
1167                 $predictions[$predictionid] = $prediction;
1168             } else {
1169                 unset($predictions[$predictionid]);
1170             }
1172             $current++;
1173         }
1175         return [$current, $predictions];
1176     }
1178     /**
1179      * Returns the sample data of a prediction.
1180      *
1181      * @param \stdClass $predictionobj
1182      * @return array
1183      */
1184     public function prediction_sample_data($predictionobj) {
1186         list($unused, $samplesdata) = $this->get_analyser()->get_samples(array($predictionobj->sampleid));
1188         if (empty($samplesdata[$predictionobj->sampleid])) {
1189             throw new \moodle_exception('errorsamplenotavailable', 'analytics');
1190         }
1192         return $samplesdata[$predictionobj->sampleid];
1193     }
1195     /**
1196      * Returns the description of a sample
1197      *
1198      * @param \core_analytics\prediction $prediction
1199      * @return array 2 elements: list(string, \renderable)
1200      */
1201     public function prediction_sample_description(\core_analytics\prediction $prediction) {
1202         return $this->get_analyser()->sample_description($prediction->get_prediction_data()->sampleid,
1203             $prediction->get_prediction_data()->contextid, $prediction->get_sample_data());
1204     }
1206     /**
1207      * Returns the output directory for prediction processors.
1208      *
1209      * Directory structure as follows:
1210      * - Evaluation runs:
1211      *   models/$model->id/$model->version/evaluation/$model->timesplitting
1212      * - Training  & prediction runs:
1213      *   models/$model->id/$model->version/execution
1214      *
1215      * @param array $subdirs
1216      * @return string
1217      */
1218     protected function get_output_dir($subdirs = array()) {
1219         global $CFG;
1221         $subdirstr = '';
1222         foreach ($subdirs as $subdir) {
1223             $subdirstr .= DIRECTORY_SEPARATOR . $subdir;
1224         }
1226         $outputdir = get_config('analytics', 'modeloutputdir');
1227         if (empty($outputdir)) {
1228             // Apply default value.
1229             $outputdir = rtrim($CFG->dataroot, '/') . DIRECTORY_SEPARATOR . 'models';
1230         }
1232         // Append model id and version + subdirs.
1233         $outputdir .= DIRECTORY_SEPARATOR . $this->model->id . DIRECTORY_SEPARATOR . $this->model->version . $subdirstr;
1235         make_writable_directory($outputdir);
1237         return $outputdir;
1238     }
1240     /**
1241      * Returns a unique id for this model.
1242      *
1243      * This id should be unique for this site.
1244      *
1245      * @return string
1246      */
1247     public function get_unique_id() {
1248         global $CFG;
1250         if (!is_null($this->uniqueid)) {
1251             return $this->uniqueid;
1252         }
1254         // Generate a unique id for this site, this model and this time splitting method, considering the last time
1255         // that the model target and indicators were updated.
1256         $ids = array($CFG->wwwroot, $CFG->prefix, $this->model->id, $this->model->version);
1257         $this->uniqueid = sha1(implode('$$', $ids));
1259         return $this->uniqueid;
1260     }
1262     /**
1263      * Exports the model data.
1264      *
1265      * @return \stdClass
1266      */
1267     public function export() {
1269         \core_analytics\manager::check_can_manage_models();
1271         $data = clone $this->model;
1272         $data->target = $this->get_target()->get_name();
1274         if ($timesplitting = $this->get_time_splitting()) {
1275             $data->timesplitting = $timesplitting->get_name();
1276         }
1278         $data->indicators = array();
1279         foreach ($this->get_indicators() as $indicator) {
1280             $data->indicators[] = $indicator->get_name();
1281         }
1282         return $data;
1283     }
1285     /**
1286      * Returns the model logs data.
1287      *
1288      * @param int $limitfrom
1289      * @param int $limitnum
1290      * @return \stdClass[]
1291      */
1292     public function get_logs($limitfrom = 0, $limitnum = 0) {
1293         global $DB;
1295         \core_analytics\manager::check_can_manage_models();
1297         return $DB->get_records('analytics_models_log', array('modelid' => $this->get_id()), 'timecreated DESC', '*',
1298             $limitfrom, $limitnum);
1299     }
1301     /**
1302      * Merges all training data files into one and returns it.
1303      *
1304      * @return \stored_file|false
1305      */
1306     public function get_training_data() {
1308         \core_analytics\manager::check_can_manage_models();
1310         $timesplittingid = $this->get_time_splitting()->get_id();
1311         return \core_analytics\dataset_manager::export_training_data($this->get_id(), $timesplittingid);
1312     }
1314     /**
1315      * Flag the provided file as used for training or prediction.
1316      *
1317      * @param \stored_file $file
1318      * @param string $action
1319      * @return void
1320      */
1321     protected function flag_file_as_used(\stored_file $file, $action) {
1322         global $DB;
1324         $usedfile = new \stdClass();
1325         $usedfile->modelid = $this->model->id;
1326         $usedfile->fileid = $file->get_id();
1327         $usedfile->action = $action;
1328         $usedfile->time = time();
1329         $DB->insert_record('analytics_used_files', $usedfile);
1330     }
1332     /**
1333      * Log the evaluation results in the database.
1334      *
1335      * @param string $timesplittingid
1336      * @param float $score
1337      * @param string $dir
1338      * @param array $info
1339      * @return int The inserted log id
1340      */
1341     protected function log_result($timesplittingid, $score, $dir = false, $info = false) {
1342         global $DB, $USER;
1344         $log = new \stdClass();
1345         $log->modelid = $this->get_id();
1346         $log->version = $this->model->version;
1347         $log->target = $this->model->target;
1348         $log->indicators = $this->model->indicators;
1349         $log->timesplitting = $timesplittingid;
1350         $log->dir = $dir;
1351         if ($info) {
1352             // Ensure it is not an associative array.
1353             $log->info = json_encode(array_values($info));
1354         }
1355         $log->score = $score;
1356         $log->timecreated = time();
1357         $log->usermodified = $USER->id;
1359         return $DB->insert_record('analytics_models_log', $log);
1360     }
1362     /**
1363      * Utility method to return indicator class names from a list of indicator objects
1364      *
1365      * @param \core_analytics\local\indicator\base[] $indicators
1366      * @return string[]
1367      */
1368     private static function indicator_classes($indicators) {
1370         // What we want to check and store are the indicator classes not the keys.
1371         $indicatorclasses = array();
1372         foreach ($indicators as $indicator) {
1373             if (!\core_analytics\manager::is_valid($indicator, '\core_analytics\local\indicator\base')) {
1374                 if (!is_object($indicator) && !is_scalar($indicator)) {
1375                     $indicator = strval($indicator);
1376                 } else if (is_object($indicator)) {
1377                     $indicator = '\\' . get_class($indicator);
1378                 }
1379                 throw new \moodle_exception('errorinvalidindicator', 'analytics', '', $indicator);
1380             }
1381             $indicatorclasses[] = $indicator->get_id();
1382         }
1384         return $indicatorclasses;
1385     }
1387     /**
1388      * Clears the model training and prediction data.
1389      *
1390      * Executed after updating model critical elements like the time splitting method
1391      * or the indicators.
1392      *
1393      * @return void
1394      */
1395     private function clear_model() {
1396         global $DB;
1398         $DB->delete_records('analytics_predictions', array('modelid' => $this->model->id));
1399         $DB->delete_records('analytics_predict_samples', array('modelid' => $this->model->id));
1400         $DB->delete_records('analytics_train_samples', array('modelid' => $this->model->id));
1401         $DB->delete_records('analytics_used_files', array('modelid' => $this->model->id));
1403         // We don't expect people to clear models regularly and the cost of filling the cache is
1404         // 1 db read per context.
1405         $this->purge_insights_cache();
1406     }
1408     /**
1409      * Purges the insights cache.
1410      */
1411     private function purge_insights_cache() {
1412         $cache = \cache::make('core', 'contextwithinsights');
1413         $cache->purge();
1414     }
1416     /**
1417      * Increases system memory and time limits.
1418      *
1419      * @return void
1420      */
1421     private function heavy_duty_mode() {
1422         if (ini_get('memory_limit') != -1) {
1423             raise_memory_limit(MEMORY_HUGE);
1424         }
1425         \core_php_time_limit::raise();
1426     }