#DISCRETIZACION: agrupa datos para reducir su variabilidad porque los resultados de la clase son muy variados
from sklearn.preprocessing import KBinsDiscretizer
#El número de contenedores a producir
#Método utilizado para codificar el resultado transformado:
#Kmeans: la discretización se basa en los centroides de un procedimiento de agrupación de KMeans.
class_discr = KBinsDiscretizer(n_bins=5, encode='ordinal',
strategy="kmeans").fit_transform(data[['clase'
]])
#Tipo de Dato DataFrame
class_discr = pd.DataFrame(class_discr)
#Discretiza la columna MYCT para conseguir conjuntos de valores
class_discr = class_discr.rename(columns={6: 'clase'})
#sobreescribimos la columna clase con los datos discretizados
data[['clase']] = class_discr
print(data)
"""
#NORMALIZACION
#La normalización es el proceso de escalar muestras individuales
#para tener una norma unitaria.
#Este proceso puede ser útil si planea utilizar una forma cuadrática
#como el producto punto o cualquier otro núcleo para cuantificar
#la similitud de cualquier par de muestras.
from sklearn import preprocessing
matriz_normal = preprocessing.normalize(modelo)
dGraficar['PRODUCCION'] = pd.to_numeric(dGraficar['PRODUCCION'])
dGraficar['AREA SEMBRADA'] = pd.to_numeric(dGraficar['AREA SEMBRADA'])
dGraficar['COD_DEP'] = pd.to_numeric(dGraficar['COD_DEP'])
dGraficar['AREA COSECHADA'] = pd.to_numeric(dGraficar['AREA COSECHADA'])
dGraficar['RENDIMIENTO'] = pd.to_numeric(dGraficar['RENDIMIENTO'])
#Luego utilizamos la función replace para realizar el cambio
datosFinales['CULTIVO'].replace(to_replace = ['MAIZ','ARROZ','CAFE'], value =[0,1,2], inplace=True)
datosFinales['CICLO CULTIVO'].replace(to_replace = ['ANUAL','PERMANENTE','TRANSITORIO'], value =[0,1,2], inplace=True)
from sklearn.preprocessing import KBinsDiscretizer
Produccion_dis = KBinsDiscretizer(n_bins=5, encode='ordinal',strategy = "kmeans").fit_transform(datosFinales[['PRODUCCION']])
Produccion_dis = pd.DataFrame(Produccion_dis)
Produccion_dis = Produccion_dis.rename(columns = {0: 'PRODUCCION'})
datosFinales[['PRODUCCION']] = Produccion_dis
#Defino mis variables de entrenamiento
X = datosFinales[['COD_DEP','CULTIVO','AREA SEMBRADA','AREA COSECHADA']]
y = datosFinales['PRODUCCION']
app = Flask(__name__)
@app.route('/')
def home():
return render_template('modelo.html')
@app.route('/procesamiento')
