Feat TestModels

ProyectoIA_Gestion/train_distribuidores.py

@@ -11,17 +11,16 @@ 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
+MODEL_FILE = 'modelo_anomalias_dist.joblib'
+CONTAMINATION_RATE = 0.01 # Un 1% de contaminación
 
 # --- 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)
+    fecha_limite = datetime.now() - timedelta(days=730)
     
-    # << CAMBIO IMPORTANTE: Nueva consulta para agrupar Salidas y Entradas por distribuidor y día >>
     query = f"""
         SELECT 
             Id_Distribuidor AS id_distribuidor, 
@@ -57,7 +56,7 @@ 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
+features = ['id_distribuidor', 'porcentaje_devolucion', 'dia_semana']
 X = df[features]
 
 # --- 4. Entrenamiento y Guardado ---