def regressao_linear(self, csv, X_test=None, dont_plot=False): from neural.regressaolinear import run # Funcao para testes da regressao do simulador para demonstrar resultados antes da plotagem # de graficos def before_plot(lnr, pred): pred = lnr.predict([[2610, 0.13]])[0] + 1025.55 print( "Regressao Linear:\n\tPreco Prefixado Juros Semestrais 2029: ", pred) # Passagem dos parametros de data, taxa de compra e preco unitario de compra para traçar # a regressao X = csv[["data", "taxaCompra"]].values y = csv["puCompra"].values # Matrizes e parametros de configurações, considerando percentual de teste (test_size) # bem como o shuffle setado como false para não embaralhar os valores X_train, _X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, shuffle=False) if X_test is None: X_test = _X_test return run(csv, X_test, y_test, X_train, y_train, before_plot=before_plot, dont_plot=dont_plot)
def regressao_linear(self, csv): from neural.regressaolinear import run # Passagem dos parametros de data, taxa de compra e preco unitario de compra para traçar # a regressao X = csv[["data", "taxaCompra"]].values y = csv["puCompra"].values # Passagem dos parametros de amostra com data, taxa de compra e preco unitario de compra # metodo utilizado para teste da regressao XAmostra = csv[["data", "taxaCompra"]].values[:200, :] yAmostra = csv["puCompra"].values[:200] return run(csv, X, y, XAmostra, yAmostra)
def nn_regressao(self, csv, X_test=None, dont_plot=False): from neural.nnregression import run # Matrizes com data, taxa de compra e preco unitario de compra X = csv[["data", "taxaCompra"]].values y = csv["puCompra"].values # Matrizes e parametros de configurações, considerando percentual de teste (test_size) # bem como o shuffle setado como false para não embaralhar os valores X_train, _X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, shuffle=False) if X_test is None: X_test = _X_test # Parametros de configuracao para a rede neural considerando calibragens return run(X, y, X_test, y_test, X_train, y_train, dont_plot=dont_plot, before_plot=self.before_plot_nn_regressao, plot_title="Dias corridos x Preco de compra", hidden_layer_sizes=(308, ), activation='relu', solver='adam', learning_rate='constant', alpha=0.001, batch_size='auto', learning_rate_init=0.01, power_t=0.5, max_iter=100000, shuffle=True, random_state=0, tol=0.0001, verbose=False, warm_start=False, momentum=0.9, nesterovs_momentum=False, early_stopping=False, validation_fraction=0.1, beta_1=0.9, beta_2=0.9999, epsilon=1e-08)
def clusterizacao(self, csv): from neural.clusterizacao import run # Passagem dos parametros de data e preco unitario de compra para clusterizar x = csv[["data", "puCompra"]].values return run(csv, x, 2, random_state=0)