Upload utils.py

utils.py

@@ -0,0 +1,81 @@
+
+import pandas as pd
+import numpy as np
+import warnings
+warnings.filterwarnings('ignore')
+from sklearn.feature_extraction.text import TfidfVectorizer
+from sklearn.metrics.pairwise import cosine_similarity
+from joblib import dump, load
+
+
+
+
+def recomienda_tfid(new_basket):
+
+    cestas = pd.read_csv('../data/processed/cestas.csv') 
+    productos = pd.read_csv('../data/processed/productos.csv')
+
+    # Cargar la matriz TF-IDF y el modelo
+    tfidf_matrix = load('../models/tfidf_matrix.joblib') 
+    # MAtriz que tienen cada columna los diferentes artículos y las diferentes cestas en las filas
+    # Los valores son la importancia de cada artículo en la cesta según las veces que aparece en la misma y el total de artículos
+    tfidf = load('../models/tfidf_model.joblib')
+
+    # Convertir la nueva cesta en formato TF-IDF
+    new_basket_str = ' '.join(new_basket)
+    new_basket_tfidf = tfidf.transform([new_basket_str])
+
+    # Comparar la nueva cesta con las anteriores
+    # Calculando la distancia coseoidal, distancia entre rectas
+    similarities = cosine_similarity(new_basket_tfidf, tfidf_matrix)
+    # La similitud coseno devuelve un valor entre 0 y 1, donde 1 significa 
+    # que las cestas son idénticas en términos de productos y 0 que no comparten ningún producto.
+
+    # Obtener los índices de las cestas más similares
+    # Muestra los índices de Las 3 cestas más parecidas atendiendo a la distancia calculada anteriormente
+    similar_indices = similarities.argsort()[0][-4:]  # Las 3 más similares
+
+    # Crear un diccionario para contar las recomendaciones
+    recommendations_count = {}
+    total_similarity = 0
+
+    # Recomendar productos de cestas similares
+    for idx in similar_indices:
+        sim_score = similarities[0][idx]
+        # sim_score es el valor de similitud de la cesta actual con la cesta similar.
+        total_similarity += sim_score # Suma de las similitudes entre 0 y el nº de cestas similares
+        products = cestas.iloc[idx]['Cestas'].split()
+        
+        for product in products:
+            if product.strip() not in new_basket:  # Evitar recomendar lo que ya está en la cesta
+                recommendations_count[product.strip()] = recommendations_count.get(product.strip(), 0) + sim_score
+                #  se utiliza para incrementar el conteo del producto en recommendations_count.
+                # almacena el conteo de la relevancia de cada producto basado en cuántas veces aparece en las cestas similares, ponderado por la similitud de cada cesta.
+                # sumandole sim_score se incrementa el score cuando la cesta es mas similar
+
+    # Calcular la probabilidad relativa de cada producto recomendado
+    recommendations_with_prob = []
+    if total_similarity > 0:  # Verificar que total_similarity no sea cero
+        recommendations_with_prob = [(product, score / total_similarity) for product, score in recommendations_count.items()]
+        # Se guarda cada producto junto su score calculada
+    else:
+        print("No se encontraron similitudes suficientes para calcular probabilidades.")
+     
+    recommendations_with_prob.sort(key=lambda x: x[1], reverse=True)  # Ordenar por puntuación
+
+    # Crear un nuevo DataFrame para almacenar las recomendaciones
+    recommendations_data = []
+    
+    for product, score in recommendations_with_prob:
+        # Buscar la descripción en el DataFrame de productos
+        description = productos.loc[productos['ARTICULO'] == product, 'DESCRIPCION']
+        if not description.empty:
+            recommendations_data.append({
+                'ARTICULO': product,
+                'DESCRIPCION': description.values[0],  # Obtener el primer valor encontrado
+                'RELEVANCIA': score
+            })
+
+    recommendations_df = pd.DataFrame(recommendations_data)
+    
+    return recommendations_df