Interfaz en Python con analisis de datos con algoritmo de Random Forest
Publicado por Jesus Enrique (1 intervención) el 17/02/2023 00:01:12
Tengo una duda, si quiero trabajar con las variables que se cargan en el archivo cuales serian las modificaciones pertinentes. Les dejo el codigo hasta donde llevamos su desarrollo.
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
import tkinter as tk
from tkinter import filedialog
from tkinter import ttk
import pandas as pd
import numpy as np
import matplotlib.pyplot as pltfrom sklearn.ensemble import RandomForestRegressorclass AgenteReactivo:def __init__(self):
self.archivo = None
def cargar_archivo(self, archivo):
self.archivo = archivo
def procesar_archivo(self):
# Cargar los datos del archivo CSVdatos = pd.read_csv(self.archivo)
dt = datos[datos["U1[V]"]< 100].index
dtf = datos.drop(dt)
dc = dtf[dtf["I1[A]"]==0].index
data = dtf.drop(dc)
# Separar los datos en variables predictoras y etiquetasx = data.iloc[:,2:3].values
y = data.iloc[:, 3].values
# Dividir los datos en conjuntos de entrenamiento y prueba from sklearn.model_selection import train_test_splitx_train, x_test, y_train, y_test = train_test_split(x, y, test_size=0.15, random_state=19)
x_train
x_test
# Crear el clasificador de Random Forest from sklearn.ensemble import RandomForestRegressorregressor = RandomForestRegressor(n_estimators = 100, random_state = 0)
regressor.fit(x_train, y_train)
# Visualizar los resultadosX_grid = np.arange(min(x_train), max(x_train),.001)
X_grid = X_grid.reshape((len(X_grid), 1))
fig, ax = plt.subplots()
ax.grid(axis = 'y', color = 'gray', linestyle = 'dashed')
ax.scatter(x_train, y_train, color = 'purple', label = 'Corriente')
ax.plot(X_grid, regressor.predict(X_grid),color = 'orange', linestyle = 'dashed', label = 'Voltaje')
ax.legend(loc = 'upper right')
# Predecir las etiquetas de los datos de pruebay_pred = regressor.predict(x_test)
# Evaluar la precisión del modeloprecision = regressor.score(x_test, y_test)
ax.text(0.5, 0.5, f'Precisión del modelo: {precision:.5f}', transform=ax.transAxes, verticalalignment='bottom')
plt.title('Voltaje vs Corriente')
plt.xlabel('U1[V]')
plt.ylabel('I1[A]')
plt.show()
# print('Precisión del modelo:', precision)class Interfaz(tk.Frame):
def __init__(self, master=None):
super().__init__(master)
self.master = master
self.pack()
self.crear_widgets()
def crear_widgets(self):
self.cargar_archivo_button = tk.Button(self, text="Cargar archivo", command=self.cargar_archivo)
self.cargar_archivo_button.pack(side="top")
self.procesar_archivo_button = tk.Button(self, text="Procesar archivo", command=self.procesar_archivo)
self.procesar_archivo_button.pack(side="top")
self.salir = tk.Button(self, text="Salir", fg="red", command=self.master.destroy)
self.salir.pack(side="bottom")
def cargar_archivo(self):
archivo = filedialog.askopenfilename()
self.agente_reactivo = AgenteReactivo()
self.agente_reactivo.cargar_archivo(archivo)
def cerrar_ventana_progreso(self):
self.ventana_progreso.destroy()
def iniciar(self):
self.mainloop()
def procesar_archivo(self):
# Crear la ventana de progresoself.ventana_progreso = tk.Toplevel(self)
self.ventana_progreso.title("Procesando archivo")
self.ventana_progreso.geometry("300x100")
self.label_progreso = tk.Label(self.ventana_progreso, text="Procesando...")
self.label_progreso.pack(pady=10)
self.progressbar = ttk.Progressbar(self.ventana_progreso, orient="horizontal", length=200, mode="indeterminate")
self.progressbar.pack(pady=10)
self.progressbar.start()
# Programar el cierre automático de la ventana de progreso después de 5 segundosself.after(1000, self.cerrar_ventana_progreso)
self.agente_reactivo.procesar_archivo()
root = tk.Tk()
app = Interfaz(master=root)
app.mainloop()
Valora esta pregunta
0