65 lines
2.5 KiB
Python
65 lines
2.5 KiB
Python
|
import pandas as pd
|
||
|
|
from sklearn.ensemble import IsolationForest
|
||
|
|
import joblib
|
||
|
|
import os
|
||
|
|
import pyodbc
|
||
|
|
from datetime import datetime, timedelta
|
||
|
|
|
||
|
|
print("--- INICIANDO SCRIPT DE ENTRENAMIENTO (CONEXIÓN BD) ---")
|
||
|
|
|
||
|
|
# --- 1. Configuración de Conexión y Parámetros ---
|
||
|
|
DB_SERVER = 'TECNICA3' # O el nombre de tu instancia, ej: '.\SQLEXPRESS'
|
||
|
|
DB_DATABASE = 'SistemaGestion' # El nombre de tu base de datos
|
||
|
|
# Para autenticación de Windows, usa la siguiente línea:
|
||
|
|
CONNECTION_STRING = f'DRIVER={{ODBC Driver 18 for SQL Server}};SERVER={DB_SERVER};DATABASE={DB_DATABASE};Trusted_Connection=yes;TrustServerCertificate=yes;'
|
||
|
|
|
||
|
|
MODEL_FILE = 'modelo_anomalias.joblib'
|
||
|
|
CONTAMINATION_RATE = 0.001 # Tasa de contaminación del 0.013% (ajustable según tus necesidades)
|
||
|
|
|
||
|
|
# --- 2. Carga de Datos desde SQL Server ---
|
||
|
|
try:
|
||
|
|
print(f"Conectando a la base de datos '{DB_DATABASE}' en '{DB_SERVER}'...")
|
||
|
|
cnxn = pyodbc.connect(CONNECTION_STRING)
|
||
|
|
|
||
|
|
# Tomamos el último año de datos para el entrenamiento
|
||
|
|
fecha_limite = datetime.now() - timedelta(days=365)
|
||
|
|
|
||
|
|
query = f"""
|
||
|
|
SELECT
|
||
|
|
Id_Canilla AS id_canilla,
|
||
|
|
Fecha AS fecha,
|
||
|
|
CantSalida AS cantidad_enviada,
|
||
|
|
CantEntrada AS cantidad_devuelta
|
||
|
|
FROM
|
||
|
|
dist_EntradasSalidasCanillas
|
||
|
|
WHERE
|
||
|
|
Fecha >= '{fecha_limite.strftime('%Y-%m-%d')}'
|
||
|
|
"""
|
||
|
|
print("Ejecutando consulta para obtener datos de entrenamiento...")
|
||
|
|
df = pd.read_sql(query, cnxn)
|
||
|
|
cnxn.close()
|
||
|
|
|
||
|
|
except Exception as e:
|
||
|
|
print(f"Error al conectar o consultar la base de datos: {e}")
|
||
|
|
exit()
|
||
|
|
|
||
|
|
if df.empty:
|
||
|
|
print("No se encontraron datos de entrenamiento en el último año. Saliendo.")
|
||
|
|
exit()
|
||
|
|
|
||
|
|
# --- 3. Preparación de Datos (sin cambios) ---
|
||
|
|
print(f"Preparando {len(df)} registros para el entrenamiento...")
|
||
|
|
df['porcentaje_devolucion'] = (df['cantidad_devuelta'] / (df['cantidad_enviada'] + 0.001)) * 100
|
||
|
|
df.fillna(0, inplace=True)
|
||
|
|
df['porcentaje_devolucion'] = df['porcentaje_devolucion'].clip(0, 100)
|
||
|
|
df['dia_semana'] = df['fecha'].dt.dayofweek
|
||
|
|
features = ['id_canilla', 'porcentaje_devolucion', 'dia_semana']
|
||
|
|
X = df[features]
|
||
|
|
|
||
|
|
# --- 4. Entrenamiento y Guardado (sin cambios) ---
|
||
|
|
print(f"Entrenando el modelo con tasa de contaminación de {CONTAMINATION_RATE}...")
|
||
|
|
model = IsolationForest(n_estimators=100, contamination=CONTAMINATION_RATE, random_state=42)
|
||
|
|
model.fit(X)
|
||
|
|
joblib.dump(model, MODEL_FILE)
|
||
|
|
|
||
|
|
print(f"--- ENTRENAMIENTO COMPLETADO. Modelo guardado en '{MODEL_FILE}' ---")
|