Final challenges

Strubis · web-flow · commit 16bfa82318db · 2021-05-07T15:53:27.000-03:00
diff --git a/MachineLearning.py b/MachineLearning.py
@@ -0,0 +1,87 @@
+#Importando as bibliotecas responsáveis pelo Machine Learning
+from sklearn.linear_model import LogisticRegression
+from sklearn.model_selection import train_test_split
+from sklearn.dummy import DummyClassifier
+from sklearn.metrics import accuracy_score
+from sklearn.tree import DecisionTreeClassifier
+from sklearn.ensemble import RandomForestClassifier
+
+#Selecionando do nosso conjunto de dados tudo o que for float
+x = merge_dados.select_dtypes('float64')
+#Selecionando o nosso target, o resultado de acordo com os nossos dados
+y = merge_dados['ativo_moa']
+
+#Pega os dados que são treinados, usando 20%
+x_treino, x_teste, y_treino, y_teste = train_test_split(x, y, test_size=0.2, stratify=y)
+
+#Treinando nossa máquina de acordo com os nossos dados, usando Regressão Logística
+modelo_rlog = LogisticRegression(max_iter=1000)
+modelo_rlog.fit(x_treino, y_treino)
+modelo_rlog.score(x_teste, y_teste)
+
+#Modelo para avaliar a frequência que ocorreu os valores, usando um método mais simples
+modelo_dummy = DummyClassifier('most_frequent')
+modelo_dummy.fit(x_treino, y_treino)
+previsao_dummy = modelo_dummy.predict(x_teste)
+accuracy_score(y_teste, previsao_dummy)
+
+#Árvore de Decisão, com um certo tamanho de nós
+teste=[]
+treino=[]
+for i in range(1, 15):
+   modelo_arv = DecisionTreeClassifier(max_depth=i)
+   modelo_arv.fit(x_treino, y_treino)
+   teste.append(modelo_arv.score(x_teste, y_teste))
+   treino.append(modelo_arv.score(x_treino, y_treino))
+   
+#Plotando um gráfico para exemplificar o resultado
+sns.lineplot(x=range(1, 15), y=teste, label='teste')
+sns.lineplot(x=range(1, 15), y=treino, label='treino')
+
+x = merge_dados.drop(['id', 'n_moa', 'ativo_moa', 'droga'], axis=1)
+x = pd.get_dummies(x, columns=['tratamento', 'tempo', 'dose'])
+y = merge_dados['ativo_moa']
+x_treino, x_teste, y_treino, y_teste = train_test_split(x, y, test_size=0.2, stratify=y, random_state=376)
+modelo_ranForest = RandomForestClassifier()
+modelo_ranForest.fit(x_treino, y_treino)
+modelo_ranForest.score(x_teste, y_teste)
+
+#Desafio 01 - Utilizando o método dos vizinhos
+from sklearn.neighbors import KNeighborsClassifier
+
+num_neigh = 3
+
+neigh_fun = KNeighborsClassifier(num_neigh)
+neigh_fun.fit(x_treino, y_treino)
+neigh_fun.score(x_teste, y_teste)
+
+#Desafio 04 - Testando outros problemas
+x = merge_dados.loc[:, 'g-0':'c-99']
+y = merge_dados['tempo'].map({24:0, 48:1, 72:2})
+
+x_treino, x_teste, y_treino, y_teste = train_test_split(x, y, test_size = 0.2, stratify=y, random_state=376)
+
+modelo_rlog2 = LogisticRegression(solver='newton-cg')
+modelo_rlog2.fit(x_treino, y_treino)
+modelo_rlog2.score(x_teste, y_teste)
+
+#Desafio 05 - Testes com a droga mais utilizada
+merge_dados['droga'].value_counts() #Para achar os compostos que mais aparecem
+
+#As duas drogas possuem um valor muito parecido, por isso é mais fácil de
+#chegar num resultado favorável
+dt_temp = merge_dados.query('droga in ["8b87a7a83", "5628cb3ee"]')
+
+x = dt_temp.loc[:, 'g-0':'g-12']
+y = dt_temp['droga'].map({'8b87a7a83':0, '5628cb3ee':1})
+sns.countplot(x=y)
+y.value_counts(normalize=True) #Porcentagem muito parecida
+
+x_treino, x_teste, y_treino, y_teste = train_test_split(x, y, test_size = 0.2, stratify=y,random_state=376)
+
+#Aqui modificamos o x. Se colocamos mais colunas de g e c o algoritmo consegue 
+#100% de taxa de acerto. A diferença da ativação entre as duas drogas é muito 
+#grande e fácil do algoritmo identificar.
+modelo_rlog3 = LogisticRegression()
+modelo_rlog3.fit(x_treino, y_treino)
+modelo_rlog3.score(x_teste, y_teste)
