def iniciar_evaluacion(self):
algoritmo = self.comboBoxAlgoritmo.currentText()
if self.es_regresion:
if algoritmo == "One R" or algoritmo == "Naive Bayes":
QMessageBox.critical(self, "Error", \
"El algoritmo seleccionado no funciona con problemas de regresión")
return
if algoritmo == "One R" and np.dtype(
np.number) in self.data.dtypes.values:
QMessageBox.critical(self, "Error", \
"One R solo funciona con todas las columnas categóricas")
return
self.btnAceptar.setEnabled(False) # desactiva boton
self.labelCargando.setVisible(True)
self.tablaResultados.setModel(None)
self.labelAlgoritmo.setText("")
self.repaint() # para que se actualice la etiqueta
# def main_HoldOut(data, target, bandera_cat_num, algoritmo, iteraciones, arrayOrden):
if self.es_regresion == False:
exactitudFinal, dataframeFinal = main_HoldOut(
self.data, self.target, self.es_regresion, algoritmo,
self.numeroIteraciones.value(), self.arrayOrden)
msg = "{}, exactitud promedio: {}".format(
self.comboBoxAlgoritmo.currentText(), exactitudFinal)
self.labelAlgoritmo.setText(msg)
self.tablaResultados.setModel(TableModelPandas(dataframeFinal))
# def numerico_HoldOut(data, target, bandera_cat_num, algoritmo, iteraciones):
else:
dataframeFinal = numerico_HoldOut(self.data, self.target,
self.numeroIteraciones.value())
self.tablaResultados.setModel(TableModelPandas(dataframeFinal))
"""
positivo, negativo = None, None
if not self.es_multi_clase and not self.es_regresion:
index_val_positivo = self.comboBoxValorPositivo.currentIndex()
index_val_negativo = 0 if index_val_positivo == 1 else 1
val_positivo = self.comboBoxValorPositivo.itemText(index_val_positivo)
val_negativo = self.comboBoxValorPositivo.itemText(index_val_negativo)
positivo = val_positivo
negativo = val_negativo
k_fold = KFoldCrossValidation(self.data, self.target, num_folds,
algoritmo, positivo, negativo)
resultado = k_fold.iniciar_validacion()
"""
#revisar TODO: Here
#self.mostrar_tablas(resultado)
self.btnAceptar.setEnabled(True)
self.labelCargando.setVisible(False)
def mostrar_tablas(self, resultado):
if self.es_multi_clase and not self.es_regresion:
tabla = resultado[0]
exactitud = resultado[1]
msg = "{}, exactitud promedio: {}".format(
self.comboBoxAlgoritmo.currentText(), exactitud)
self.labelAlgoritmo.setText(msg)
self.tablaResultados.setModel(TableModelPandas(tabla))
else:
self.labelAlgoritmo.setText("")
self.tablaResultados.setModel(TableModelPandas(resultado))
def actualizar_model(self, dataframe):
self.conjunto.panda = dataframe
self.model = TableModelPandas(self.conjunto.panda)
self.tabla.setModel(self.model)
for atributo in self.conjunto.getAtributos():
atributo.panda = self.conjunto.panda
self.actualizar_etiquetas()
def mostrar_tablas_verosimilitudes(self):
for atributo in self.naive.probabilidades:
label = QLabel(self)
label.setText(atributo)
self.verticalLayout_7.addWidget(label)
tabla = QTableView(self.scrollAreaWidgetContents_2)
tabla.setMinimumSize(QtCore.QSize(0, 120))
modelo = TableModelPandas(self.naive.probabilidades[atributo])
tabla.setModel(modelo)
self.verticalLayout_7.addWidget(tabla)
def mostrar_tablas_frecuencias(self):
frecuencias = self.naive.frecuencias
for atributo in frecuencias:
label = QLabel(self)
label.setText(atributo)
self.verticalLayout_6.addWidget(label)
tabla = QTableView(self.scrollAreaWidgetContents)
tabla.setMinimumSize(QtCore.QSize(0, 120))
modelo = TableModelPandas(frecuencias[atributo])
tabla.setModel(modelo)
self.verticalLayout_6.addWidget(tabla)
label = QLabel(self)
label.setText(self.target)
self.verticalLayout_6.addWidget(label)
tabla = QTableView(self.scrollAreaWidgetContents)
tabla.setMinimumSize(QtCore.QSize(0, 120))
modelo = TableModelPandas(self.naive.frec_target)
tabla.setModel(modelo)
self.verticalLayout_6.addWidget(tabla)
def cargar_tablas_frecuencias(self):
frecuencias = one_r.generar_frecuencias(self.data, self.target)
for i in frecuencias:
label = QLabel(self)
label.setText(i)
self.verticalLayout_4.addWidget(label)
tabla = QTableView(self.scrollAreaWidgetContents)
tabla.setMinimumSize(QtCore.QSize(0, 200))
modelo = TableModelPandas(frecuencias[i])
tabla.setModel(modelo)
self.verticalLayout_4.addWidget(tabla)
self.cargar_reglas(frecuencias)
def procesar_instancia(self):
""" Se ejecuta al presionar el boton aceptar """
self.tablaDistancias.setModel(None) # limpia la tabla
lista_valores = self.obtener_valores_campos()
if "" in lista_valores:
QMessageBox.critical(self, "Error",
"Deben llenarse todos los campos")
else:
self.knn.set_k(self.spinBoxK.value())
# Falta verificar que los datos sean del tipo correcto
resultado, distancias = self.knn.get_prediccion(lista_valores)
self.labelResultado.setText(str(resultado))
model = TableModelPandas(distancias)
self.tablaDistancias.setModel(model)
def iniciar_algoritmo(self):
self.btnAceptar.setEnabled(False) # desactiva boton
self.tablaResultado.setModel(None)
self.labelPromedioSilhouette.setText("")
self.repaint() # para que se actualice la etiqueta
k = self.spinBoxK.value()
corridas = self.spinBoxCorridas.value()
iteraciones = self.spinBoxIteraciones.value()
self.kmeans.setCorridas(corridas)
self.kmeans.setIteraciones(iteraciones)
resultados = self.kmeans.generar_clusters(n_clusters=k)
self.data["Cluster"] = resultados[0]
self.data["Silhouette"] = resultados[1]
promedio_silhouette = resultados[2]
self.tablaResultado.setModel(TableModelPandas(self.data))
self.labelPromedioSilhouette.setText("Silhouette score: " + \
str(promedio_silhouette))
self.btnAceptar.setEnabled(True)
def __init__(self, ruta, conexion=None, query=None, *args, **kwargs):
QtWidgets.QMainWindow.__init__(self, *args, **kwargs)
self.setupUi(self)
self.conexion = conexion
self.query = query
self.ruta = ruta
self.conjunto = ConjuntoDatos(self.ruta, self.conexion, self.query)
# si hay una conexión y un query entonces mostrar la opción para cambiar el query
if self.conexion != None and self.query != None:
self.agregar_opcion_cambiar_query()
self.respaldos = Respaldos(self.conjunto) # para hacer los respaldos
self.num_version = 1 # numero de versión para el nombre de los respaldos
self.num_instancias_agregadas = 0 # cada que se agregan 10 instancias se hace un respaldo
self.num_instancias_eliminadas = 0 # cada que se eliminar 10 instancias se hacer un respaldo
self.cargar_respaldos()
# action nuevo para cargar nuevo dataset
self.actionNuevo.triggered.connect(self.cargar_nuevo_dataset)
# conectar eventos para las opciones de los algoritmos
self.actionZero_R.triggered.connect(self.zeroR)
self.actionOne_R.triggered.connect(self.mostrar_ventana_oneR)
self.actionNaive_Bayes.triggered.connect(self.mostrar_ventana_naive_bayes)
self.actionK_NN.triggered.connect(self.mostrar_ventana_knn)
self.actionK_Means.triggered.connect(self.mostrar_ventana_kmeans)
# conectar eventos para las opciones de evalución de algoritmos
self.actionKFold.triggered.connect(self.mostrar_ventana_kfold)
self.actionHoldOut.triggered.connect(self.mostrar_ventana_hold_out)
# id de la instancia en la que se dio clic en la tabla
self.currentIdRow = None
# utilizando un modelo los datos en la tabla se cargan muchisimo más rápido
self.model = TableModelPandas(self.conjunto.panda)
self.tabla.setModel(self.model)
self.llenar_combo_boxes()
self.mostrar_atributo() # muestra los datos del atributo seleccionado por defecto en el combo box
#evento cuando se cambia de elemento en el combo box
self.comboBoxAtributos.currentIndexChanged.connect(lambda x: self.mostrar_atributo())
#evento boton actualizar atributo
self.btnActualizar.clicked.connect(self.actualizar_atributo)
# muestrar la información general del conjunto de datos
self.labelNumInstancias.setText(str(self.conjunto.getNumInstancias()))
self.labelNumAtributos.setText(str(self.conjunto.getNumAtributos()))
self.iniciar_target()
self.lineEditValorFaltante.setText(str(self.conjunto.getSimboloFaltante()))
self.lineEditRuta.setText(str(self.conjunto.getRutaRespaldos()))
# toolbar
self.agregar_actions_toolbar()
# evento boton eliminar atributo
self.btnEliminarAtributo.clicked.connect(self.eliminar_atributo)
# evento boton mostar moda
self.btnModas.clicked.connect(self.mostrar_ventanas_modas)
# evento boton descripcion
self.btnDescripcion.clicked.connect(self.mostrar_descripcion)
# evento boton valores fuera de dominio
self.btnFueraDominio.clicked.connect(self.mostrar_fuera_dominio)
# evento boton valores faltantes
self.btnFaltantes.clicked.connect(self.mostrar_val_faltantes)
self.tabla.setSelectionMode(QAbstractItemView.SingleSelection)
# este menú se muestra al dar clic sobre un id en la tabla
self.menu_clic_tabla = QMenu("opciones")
self.action_editar = QAction(QtGui.QIcon('iconos/editar.png'), "Editar")
self.action_editar.triggered.connect(self.mostrar_editar_instancia)
self.menu_clic_tabla.addAction(self.action_editar)
self.tabla.verticalHeader().sectionPressed.connect(self.mostrar_menu_editar)
#event boton actualizar target, simbolo faltante y ruta
self.btnActualizarInfo.clicked.connect(self.actualizar_info_general)
self.btnHistograma.clicked.connect(self.mostrar_histograma)
self.btnBoxPlot.clicked.connect(self.mostrar_boxplot)
# conectar evento agregar instancia. Estos eventos se emiten desde otras ventanas
self.signal_agregar_instancia.connect(self.instancia_agregada)
self.signal_eliminar_instancias.connect(self.instancias_eliminadas)
self.signal_editar_instancia.connect(self.actualizar_etiquetas)
self.signal_agregar_columna.connect(self.atributo_agregado)
self.signal_reemplazo_faltantes.connect(self.actualizar_model)