def main():
path = sys.argv[1]
nombre = sys.argv[2]
datos = funciones.cargarDatos(path)
tags = funciones.getTags(datos, 2)
procesado = funciones.procesarDatosNormalizados(datos, 2)
modeloSVM = funciones.cargarBinario(nombre + ".svm")
predecir(modeloSVM, procesado, tags)
def main():
path = sys.argv[1]
nombre = sys.argv[2]
datos = funciones.cargarDatos(path)
tags = funciones.getTags(datos, 1)
procesado = funciones.procesarDatos(datos, 2)
bosque = funciones.cargarBinario(nombre + ".rfc")
predecir(bosque, procesado, tags)
def main():
path = sys.argv[1]
nombre = sys.argv[2]
datos = funciones.cargarDatos(path)
procesado = funciones.procesarDatosNormalizados(datos, 2)
modeloSVM = entrenar(procesado)
print("SVM Entrenado Exitosamente")
funciones.GuardarBinario(modeloSVM, nombre + ".svm")
def main():
path = sys.argv[1]
nombre = sys.argv[2]
datos = funciones.cargarDatos(path)
procesado = funciones.procesarDatos(datos, 2)
bosque = entrenar(procesado)
print("Bosque Entrenado Exitosamente")
funciones.GuardarBinario(bosque, nombre + ".rfc")
def main():
path = sys.argv[1]
naive = sys.argv[2]
nombre = sys.argv[3]
datos = funciones.cargarDatos(path)
procesado = funciones.procesarDatosNormalizados(datos, 2)
modelo = funciones.cargarBinario(nombre + ".nb")
if naive == 1: #Categorical
opcion = Categorical(procesado, modelo)
elif naive == 2: #Bernoulli
opcion = Bernoulli(procesado, modelo)
elif naive == 3: #Gausiano
opcion = Gausiano(procesado, modelo)
else:
print("Opcion Invalida.")
def entrenar(Crosssets):
tempsX = Crosssets[0]
tempsY = Crosssets[1]
tempsPred = Crosssets[2]
TempsVal = Crosssets[3]
F1Temps = []
confs = funciones.cargarDatos(
'./confs/configuraciones.csv') #Cargar configuraciones
fd = open('./Estadisticas/Salida.csv', 'a') #Salida de configuraciones
fd.write('Criterio,Arboles,Profundidad,Atributos,p1,p2,p3,p4,p5\n')
for ind in confs.index:
criterio = str(confs['criterio'][ind])
arboles = int(confs['arboles'][ind])
profundidad = int(confs['profundidad'][ind])
atributos = str(confs['atributos'][ind])
# Creacion del bosque
bosque = RandomForestClassifier(criterion=criterio,
n_estimators=arboles,
max_depth=profundidad,
max_features=atributos)
F1Temps = []
print("Generando Random Forest para configuracion ", ind)
for j in range(5):
F1Temps = []
for p in range(5):
X = []
Y = []
for i in range(5):
if (i != j):
X = pd.concat([tempsX[i], tempsPred[i]])
Y = np.concatenate((tempsY[i], TempsVal[i]), axis=0)
bosque.fit(X, Y)
#Predicciones y metricas
prediccion = bosque.predict(tempsPred[j])
fscore = score(TempsVal[j], prediccion, average='macro')
F1Temps.append(fscore[2])
linea = criterio + ',' + str(arboles) + ',' + str(
profundidad) + ',' + atributos + ',' + str(F1Temps).strip(
'[]') + '\n'
fd.write(linea)
fd.write("\n")
fd.close()
print(
"--> Escritura exitosa. Datos de analisis generados en Estadisticas/salida.csv"
)
def main():
path = sys.argv[1]
naive = sys.argv[2]
nombre = sys.argv[3]
datos = funciones.cargarDatos(path)
procesado = funciones.procesarDatosNormalizados(datos, 2)
opcion = []
bandera = False
if naive == 1: #Categorical
opcion = Categorical(procesado)
elif naive == 2: #Bernoulli
opcion = Bernoulli(procesado)
elif naive == 3: #Gausiano
opcion = Gausiano(procesado)
else:
print("Opcion Invalida.")
bandera = False
if bandera:
print("NAIVE Entrenado Exitosamente")
funciones.GuardarBinario(opcion, nombre + str(naive) + ".nb")
def entrenar(Crosssets):
tempsX = Crosssets[0]
tempsY = Crosssets[1]
tempsPred = Crosssets[2]
TempsVal = Crosssets[3]
F1Temps = []
confs = funciones.cargarDatos(
'./confs/configuracionesSVC.csv') #Cargar configuraciones
fd = open('./Estadisticas/SalidaSVC.csv', 'a') #Salida de configuraciones
fd.write('kernel,C,Gamma\n')
for ind in confs.index:
kern = str(confs['kernel'][ind])
c = float(confs['C'][ind])
Gam = str(confs['Gamma'][ind])
# Creacion del SVC
model = SVC(C=c, kernel=kern, gamma=Gam)
print("Generando SVC para configuracion ", ind)
for j in range(5):
F1Temps = []
for p in range(5):
X = []
Y = []
for i in range(5):
if (i != j):
X = pd.concat([tempsX[i], tempsPred[i]])
Y = np.concatenate((tempsY[i], TempsVal[i]), axis=0)
model.fit(tempsX[i], tempsY[i])
#Predicciones y metricas
prediccion = model.predict(tempsPred[i])
fscore = score(TempsVal[j], prediccion, average='macro')
F1Temps.append(fscore[2])
linea = kern + ',' + str(c) + ',' + Gam + ',' + ',' + str(
F1Temps).strip('[]') + '\n'
fd.write(linea)
fd.write("\n")
fd.close()
print(
"--> Escritura exitosa. Datos de analisis generados en Estadisticas/salidaSVC.csv"
)
def main():
path = sys.argv[1]
datos = funciones.cargarDatos(path)
procesado = funciones.procesarDatos(datos, 1)
print("Iniciando....")
entrenar(procesado)
def main():
path = sys.argv[1]
datos = funciones.cargarDatos(path)
procesado = funciones.procesarDatosNormalizados(datos, 1)
entrenar(procesado)
