Regresión

regresion.ipynb

import pandas as pd
import os
import numpy as np
import matplotlib.pyplot as plt
import datetime as dt
import sklearn
from sklearn.linear_model import LinearRegression
from sklearn.metrics import mean_squared_error
from sklearn.metrics import r2_score
from sklearn.model_selection import train_test_split

mainpath = "C:/Users/Alex1/Documents/Proyecto modular/Datasets"
filepath = "02.06.2021_da_radar_pruebas_covid.csv"
fullpath = os.path.join(mainpath,filepath)
data = pd.read_csv(fullpath,sep = ';')

data.head()

data.tail()

data.drop(data.tail(1).index,inplace=True)

data["Fecha"] = pd.to_datetime(data["Fecha"],dayfirst=True)

data.tail()

fecha_actual = pd.to_datetime("06/18/2021")

fecha_actual

dias = fecha_actual.toordinal() - data["Fecha"].map(dt.datetime.toordinal)
data["Dias transcurridos"] = dias

data.tail()

data = data.loc[data["Resultado"] == "Confirmados"]

data.tail()

## Regresión lineal simple
## X Variable independiente: Número de días desde el origen de la pandemia
## Y Variable dependiente: Número de pruebas confirmadas, descartadas, y sospechosas

y = data["Federal"].values.reshape(-1,1)
x = data["Dias transcurridos"].values.reshape(-1,1)
modelo = LinearRegression()
modelo.fit(x,y)


plt.scatter(x,y)
plt.xlabel("Días transcurridos")
plt.ylabel("Pruebas federales")
plt.show()

x_train, x_test, y_train, y_test = train_test_split(x,y)

regresion = LinearRegression()

regresion.fit(x_train,y_train)

predict = regresion.predict(x_test)

plt.scatter(x_test, y_test)
plt.plot(x_test,predict,color = 'red', linewidth = 3)
plt.title("Regresión lineal")
plt.xlabel("Días transcurridos")
plt.ylabel("Valor medio")
plt.show()


print(regresion.coef_) ## "a"

print(regresion.intercept_) ## "b"

print('y = ', regresion.coef_, 'x ', regresion.intercept_ ) # Ecuacion

print(regresion.score(x_train,y_train))

data.tail()

valor = (-256.85991993*-1) + (98314.39260225)
print(valor)