69 lines
2.8 KiB
Python
69 lines
2.8 KiB
Python
|
import pandas as pd
|
||
|
|
from sklearn.ensemble import IsolationForest
|
||
|
|
import joblib
|
||
|
|
import pyodbc
|
||
|
|
from datetime import datetime, timedelta
|
||
|
|
|
||
|
|
print("--- INICIANDO SCRIPT DE ENTRENAMIENTO (DISTRIBUIDORES) ---")
|
||
|
|
|
||
|
|
# --- 1. Configuración ---
|
||
|
|
DB_SERVER = 'TECNICA3'
|
||
|
|
DB_DATABASE = 'SistemaGestion'
|
||
|
|
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_dist.joblib' # <-- Nuevo nombre de archivo para el modelo
|
||
|
|
CONTAMINATION_RATE = 0.01 # Un 1% de contaminación es un buen punto de partida
|
||
|
|
|
||
|
|
# --- 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)
|
||
|
|
|
||
|
|
fecha_limite = datetime.now() - timedelta(days=365)
|
||
|
|
|
||
|
|
# << CAMBIO IMPORTANTE: Nueva consulta para agrupar Salidas y Entradas por distribuidor y día >>
|
||
|
|
query = f"""
|
||
|
|
SELECT
|
||
|
|
Id_Distribuidor AS id_distribuidor,
|
||
|
|
CAST(Fecha AS DATE) AS fecha,
|
||
|
|
SUM(CASE WHEN TipoMovimiento = 'Salida' THEN Cantidad ELSE 0 END) as cantidad_enviada,
|
||
|
|
SUM(CASE WHEN TipoMovimiento = 'Entrada' THEN Cantidad ELSE 0 END) as cantidad_devuelta
|
||
|
|
FROM
|
||
|
|
dist_EntradasSalidas
|
||
|
|
WHERE
|
||
|
|
Fecha >= '{fecha_limite.strftime('%Y-%m-%d')}'
|
||
|
|
GROUP BY
|
||
|
|
Id_Distribuidor, CAST(Fecha AS DATE)
|
||
|
|
HAVING
|
||
|
|
SUM(CASE WHEN TipoMovimiento = 'Salida' THEN Cantidad ELSE 0 END) > 0
|
||
|
|
"""
|
||
|
|
print("Ejecutando consulta para obtener datos de entrenamiento de distribuidores...")
|
||
|
|
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 de distribuidores en el último año. Saliendo.")
|
||
|
|
exit()
|
||
|
|
|
||
|
|
# --- 3. Preparación de Datos ---
|
||
|
|
print(f"Preparando {len(df)} registros para el entrenamiento del modelo de distribuidores...")
|
||
|
|
# Se usa (df['cantidad_enviada'] + 0.001) para evitar división por cero
|
||
|
|
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'] = pd.to_datetime(df['fecha']).dt.dayofweek
|
||
|
|
|
||
|
|
features = ['id_distribuidor', 'porcentaje_devolucion', 'dia_semana'] # <-- Característica clave: id_distribuidor
|
||
|
|
X = df[features]
|
||
|
|
|
||
|
|
# --- 4. Entrenamiento y Guardado ---
|
||
|
|
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 DE DISTRIBUIDORES COMPLETADO. Modelo guardado en '{MODEL_FILE}' ---")
|