Spaces:
Sleeping
Sleeping
File size: 5,482 Bytes
1ec1a50 | 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 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 | import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
import joblib
import os
from sklearn.model_selection import train_test_split, GridSearchCV
from sklearn.metrics import accuracy_score, precision_score, recall_score, f1_score
from sklearn.linear_model import LogisticRegression
from sklearn.ensemble import RandomForestClassifier, GradientBoostingClassifier, AdaBoostClassifier
def ejecutar_fine_tuning():
print("========================================================================")
print("⚙️ INICIANDO SINTONIZACIÓN FINA (FINE-TUNING) DE MODELOS TABULARES")
print("========================================================================\n")
# 1. Cargar el dataset final preparado
ruta_datos = 'datos_procesados/dataset_preparado_ml.csv'
if not os.path.exists(ruta_datos):
print(f"[ERROR] No se encuentra el dataset en {ruta_datos}")
return
df_ml = pd.read_csv(ruta_datos)
# 2. Separar variables
# Asumimos que el dataset ya está limpio de chivatos gracias al pipeline anterior
X = df_ml.drop(columns=['churn'], errors='ignore')
y = df_ml['churn']
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.20, random_state=42, stratify=y)
# 3. Definir los finalistas y sus cuadrículas de hiperparámetros
top_3_nombres = ['Gradient Boosting', 'RF - Profundo (Ramas ∞, Hojas 1)', 'RF - Intermedio (Ramas 12, Hojas 10)']
diccionario_grids = {
"Gradient Boosting": (
GradientBoostingClassifier(random_state=42),
{
'n_estimators': [100, 200],
'learning_rate': [0.05, 0.1, 0.2],
'max_depth': [3, 5, 7]
}
),
"RF - Profundo (Ramas ∞, Hojas 1)": (
RandomForestClassifier(random_state=42, n_jobs=-1),
{
'n_estimators': [100, 200, 300],
'max_depth': [None, 20, 30],
'min_samples_split': [2, 5],
'min_samples_leaf': [1, 2]
}
),
"RF - Intermedio (Ramas 12, Hojas 10)": (
RandomForestClassifier(random_state=42, n_jobs=-1),
{
'n_estimators': [100, 200],
'max_depth': [10, 15, None],
'min_samples_split': [2, 5],
'min_samples_leaf': [2, 10]
}
)
}
resultados_finetuning = []
mejores_modelos = {}
# 4. Bucle de Optimización
for nombre in top_3_nombres:
print(f"🔬 Optimizando: {nombre}...")
modelo_base, parametros = diccionario_grids[nombre]
grid_search = GridSearchCV(
estimator=modelo_base, param_grid=parametros, scoring='f1', cv=3, n_jobs=-1, verbose=0
)
grid_search.fit(X_train, y_train)
mejor_modelo = grid_search.best_estimator_
mejores_modelos[nombre] = mejor_modelo
y_pred_opt = mejor_modelo.predict(X_test)
f1_opt = f1_score(y_test, y_pred_opt, zero_division=0)
acc_opt = accuracy_score(y_test, y_pred_opt)
prec_opt = precision_score(y_test, y_pred_opt, zero_division=0)
rec_opt = recall_score(y_test, y_pred_opt, zero_division=0)
print(f" -> Mejores parámetros: {grid_search.best_params_}")
print(f" -> Nuevo F1-Score: {f1_opt:.4f}\n")
resultados_finetuning.append({
"Modelo Optimizado": nombre + " (Tuned)",
"Accuracy": acc_opt,
"Precision": prec_opt,
"Recall": rec_opt,
"F1-Score": f1_opt
})
# 5. Generar y guardar la gráfica final
df_final = pd.DataFrame(resultados_finetuning).sort_values(by="F1-Score", ascending=False)
df_melted = df_final.melt(id_vars="Modelo Optimizado", var_name="Métrica", value_name="Puntuación")
plt.figure(figsize=(14, 7))
ax = sns.barplot(data=df_melted, x="Modelo Optimizado", y="Puntuación", hue="Métrica", palette="Set2")
plt.title("Comparativa de Rendimiento: Modelos Finalistas Optimizados", fontsize=16, fontweight='bold')
plt.ylim(0, 1.1)
plt.ylabel("Puntuación (0 a 1)")
plt.xlabel("")
for p in ax.patches:
altura = p.get_height()
if altura > 0:
ax.annotate(f"{altura:.3f}", (p.get_x() + p.get_width() / 2., altura),
ha='center', va='bottom', fontsize=10, fontweight='bold', color='#333333',
xytext=(0, 5), textcoords='offset points')
plt.legend(title="Métricas de Evaluación", bbox_to_anchor=(1.02, 1), loc='upper left')
plt.tight_layout()
# Guardamos la gráfica en lugar de solo mostrarla
os.makedirs('outputs/charts', exist_ok=True)
ruta_grafica = 'outputs/charts/comparativa_finetuning.png'
plt.savefig(ruta_grafica, dpi=300)
print(f"📊 Gráfica guardada en: {ruta_grafica}")
# 6. Guardar el Campeón Absoluto
nombre_campeon = df_final.iloc[0]["Modelo Optimizado"].replace(" (Tuned)", "")
modelo_campeon = mejores_modelos[nombre_campeon]
ruta_modelo = 'modelos/modelo_rf_optimizado.pkl'
os.makedirs(os.path.dirname(ruta_modelo), exist_ok=True)
joblib.dump(modelo_campeon, ruta_modelo)
print(f"\n👑 CAMPEÓN ABSOLUTO: {nombre_campeon}")
print(f"💾 Modelo guardado y listo para producción en: '{ruta_modelo}'")
if __name__ == "__main__":
ejecutar_fine_tuning() |