LLM 기반 상관관계 분석의 Semantic Causality 평가

import openai
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
import numpy as np

def causal_score(var_a: str, var_b: str, context: str = "") -> float:
    """LLM에게 두 변수 간 인과 가능성을 0~1로 평가하도록 요청"""
    prompt = f"""두 변수 사이에 실제 인과관계(causality)가 존재할 가능성을 평가하세요.
변수 A: {var_a}
변수 B: {var_b}
{f'컨텍스트: {context}' if context else ''}

0.0(완전히 우연/무관) ~ 1.0(명확한 인과관계) 사이의 숫자 하나만 출력하세요."""
    
    response = openai.chat.completions.create(
        model="gpt-4",
        messages=[{"role": "user", "content": prompt}],
        temperature=0
    )
    try:
        return float(response.choices[0].message.content.strip())
    except:
        return 0.0

def causal_heatmap(df: pd.DataFrame, context: str = ""):
    """상관관계 행렬에 LLM 인과 점수를 곱해 Causal heatmap 생성"""
    corr = df.corr()
    cols = corr.columns.tolist()
    causal_matrix = pd.DataFrame(np.zeros_like(corr.values), index=cols, columns=cols)
    
    for i, a in enumerate(cols):
        for j, b in enumerate(cols):
            if i < j:
                score = causal_score(a, b, context)
                causal_matrix.loc[a, b] = score
                causal_matrix.loc[b, a] = score
            elif i == j:
                causal_matrix.loc[a, b] = 1.0
    
    # 상관관계 * 인과 점수 = Causal heatmap
    weighted = corr.abs() * causal_matrix
    
    plt.figure(figsize=(10, 8))
    sns.heatmap(weighted, annot=True, fmt=".2f", cmap="YlOrRd", vmin=0, vmax=1)
    plt.title("Causal Heatmap (correlation × causal score)")
    plt.tight_layout()
    plt.show()
    return weighted

# 사용 예시
# causal_heatmap(df, context="의료 환자 데이터, 변수는 나이/혈압/콜레스테롤 등")