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)