scripts/fine_tuning_tabular.py

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()