AI-Python/script2.py at master · AmauryOrtega/AI-Python · GitHub

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
import pandas
import matplotlib.pyplot as graficar
from sklearn.cluster import KMeans
from sklearn.decomposition import PCA as ACP
from sklearn.cross_validation import train_test_split as separar
from sklearn.linear_model import LinearRegression
from sklearn.metrics import mean_squared_error as ECM
from sklearn.ensemble import RandomForestRegressor

GRAFICAR = True

juegos = pandas.read_csv("games.csv")


print("-"*5 + "Columnas" + "-"*5)
print(juegos.columns)
print()
print("-"*5 + "Tamaño de DataSet (Filas, Columnas)" + "-"*5)
print(juegos.shape)
print()

if GRAFICAR:
    graficar.title("Distribucion de puntuacion promedio")
    graficar.xlabel("Puntuacion promedio")
    graficar.ylabel("# de Juegos")
    graficar.hist(juegos["average_rating"])
    graficar.show()
    graficar.clf()

print("-"*5 + "Diff entre juego con puntaje de 0 y con puntaje superior a 0" + "-"*5)
print(juegos[juegos["average_rating"] == 0].iloc[0])
print(juegos[juegos["average_rating"] > 0].iloc[0])
print()

juegos = juegos[juegos["users_rated"] > 0]
juegos = juegos.dropna(axis=0)

if GRAFICAR:
    graficar.title("Distribucion de puntuacion promedio")
    graficar.xlabel("Puntuacion promedio")
    graficar.ylabel("# de Juegos")
    graficar.hist(juegos["average_rating"])
    graficar.show()
    graficar.clf()

print("-"*5 + "Tamaño de DataSet (Filas, Columnas)" + "-"*5)
print(juegos.shape)
print()

modelo_kmeans = KMeans(n_clusters=5, random_state=1)
columnas_numero = juegos._get_numeric_data()
modelo_kmeans.fit(columnas_numero)
etiquetas = modelo_kmeans.labels_
acp_2 = ACP(2)
columnas_a_graficar = acp_2.fit_transform(columnas_numero)

if GRAFICAR:
    graficar.title("Agrupacion de juegos en 5 clusters con ACP")
    graficar.scatter(x=columnas_a_graficar[:,0], y=columnas_a_graficar[:,1], c=etiquetas)
    graficar.show()
    graficar.clf()

print("-"*5 + "Correlacion de average_rating" + "-"*5)
print(juegos.corr()["average_rating"])
print()

columnas = juegos.columns.tolist()
columnas = [columna for columna in columnas if columna not in ["bayes_average_rating", "average_rating", "type", "name"]]
columna_a_predecir = "average_rating"
set_entrenamiento = juegos.sample(frac=0.8, random_state=1)
set_test = juegos.loc[~juegos.index.isin(set_entrenamiento.index)]

print("-"*5 + "Tamaño de set_entrenamiento (Filas, Columnas)" + "-"*5)
print(set_entrenamiento.shape)
print()
print("-"*5 + "Tamaño de set_test (Filas, Columnas)" + "-"*5)
print(set_test.shape)
print()

modelo = LinearRegression()
modelo.fit(set_entrenamiento[columnas], set_entrenamiento[columna_a_predecir])
predicciones = modelo.predict(set_test[columnas])

print("-"*5 + "Predicciones" + "-"*5)
print(predicciones)
print("-"*5 + "VS" + "-"*5)
print(juegos.tail(1)["average_rating"])
print()

print("-"*5 + "Error en prediccion" + "-"*5)
print(ECM(predicciones, set_test[columna_a_predecir]))
print()

if GRAFICAR:
    graficar.figure("lineal")
    graficar.title("Regresion lineal")
    graficar.xlabel("ID Juego")
    graficar.ylabel("Puntuacion promedio")
    graficar.scatter(set_test["id"], set_test["average_rating"], label="Real")
    graficar.scatter(set_test["id"], predicciones, label="Prediccion")
    graficar.legend(loc="upper left")

print("-"*5 + "Usando RANDOM FOREST" + "-"*5)

modelo = RandomForestRegressor(n_estimators=100, min_samples_leaf=10, random_state=1)
modelo.fit(set_entrenamiento[columnas], set_entrenamiento[columna_a_predecir])
predicciones = modelo.predict(set_test[columnas])

print("-"*5 + "Predicciones" + "-"*5)
print(predicciones)
print("-"*5 + "VS" + "-"*5)
print(juegos.tail(1)["average_rating"])
print()
print("-"*5 + "Error en prediccion" + "-"*5)
print(ECM(predicciones, set_test[columna_a_predecir]))
print()

if GRAFICAR:
    graficar.figure("random")
    graficar.title("Regresion Random Forest")
    graficar.xlabel("ID Juego")
    graficar.ylabel("Puntuacion promedio")
    graficar.scatter(set_test["id"], set_test["average_rating"], label="Real")
    graficar.scatter(set_test["id"], predicciones, label="Prediccion")
    graficar.legend(loc="upper left")
    graficar.show()