Poner nuestro modelo en producción

Clase 29 de 34 • Curso Profesional de Ciencia de Datos 2019

Contenido del curso

Basicos para el curso

Web scraping con R

Adecuación y Análisis descriptivo de los datos

Aplicando modelo no supervisado: Kmeans

Modelo en producción

Representación de los resultados del modelo

Cierre del curso

34
Conclusiones
00:58 min

Tomar examen

Comentarios

Edwin Jesset Barrientos Gonzales

student•

Funcion


#* @param precio
#* @param opiniones
#* @param peso
#* @param volumen
#* @param potencia
#* @param alto
#* @param ancho
#* @param profundidad
#* @get /getCluster

function(precio, opiniones, peso, volumen, potencia,
         alto, ancho, profundidad){
  campos&lt;-as.vector(data[1,])
  midist&lt;-matrix(0,ncol=8,nrow=8)
  for(i in 1:8){
    c&lt;-dist(x=c(campos[i],mycluster$centers[,i]))
    b&lt;-as.matrix(c)
    distancia&lt;-b[-1,1]
    midist[i,]&lt;-distancia
  }
  rownames(midist)&lt;-c(&quot;Precio&quot;, &quot;Opiniones&quot;,&quot;Peso&quot;,&quot;Volumen&quot;,
                    &quot;Potencia&quot;,&quot;Alto&quot;,&quot;Ancho&quot;,&quot;Profundidad&quot;)
  dist_total&lt;-apply(midist,2,sum)
  num_cluster&lt;-which.min(dist_total)
  num_cluster
}

API:

library(plumber)
r&lt;-plumb(&quot;D:/Dropbox/Curso Profesional de Ciencia de Datos/AspiradoresPB.R&quot;)
r$run(port=8000)

#&quot;http://localhost:8000/getCluster?precio=-0.07503836&amp;opiniones=12.29276976&amp;peso=-0.10839456&amp;volumen=-0.30659711&amp;potencia=0.07289939&amp;alto=0.40626986&amp;ancho=0.11339198&amp;profundidad=-0.03758433&quot;```

David Lechugazteca Ma'tlaktli Sipakt

student•

AMIGOSSS NECESITO AYUDA !!!!! :'(

!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!! llevo dias con este problema u.u !!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!

Marvin Castillo Félix

student•

¿Pues con cuál?

Juan Carlos Rubio Polania

student•

Hola compañeros se nota que nadie tuvo problemas con este ejercicio, he tenido problemas con el ejercicio de la liga de fútbol y la intentarlo con listas de publicaciones de sciencedirect tuve problemas así que debo repasar la primera parte.

Coloco el código de este ejercicio:

function(Opinions,Normal.Price,Sale.Price,Weight,Price,Height,Width,Depth){
  M1<-read.csv("M3.csv")
  M2<-M1[,-c(1:3)]
  head(M2)
  S2<-data.frame(scale(M2))
  S2[1,]
  fields<-as.vector(S2[1,])
  fields

  #the number of columns and rows are the same of items evaluated
  mdist<-matrix(0,ncol=8,nrow=8)
  for(i in 1:8){
    #the cluster is selecte of the kmeans tested
    c<-as.matrix(dist(x=c(fields[1],cluster2$centers[,i])))
    #below is deleted a zero value provided by convert from dist object to matrix 
    distance<-(c[-1,1])
    mdist[i,]<-distance
  } 
  rownames(mdist)<-c("Opinions","Normal.Price","Sale.Price","Weight","Price","Height","Width","Depth")
  mdist
  Dist<-colSums(mdist)
  DD<-which.min(Dist)
  DD
}

Servidor

<library(plumber)
r<-plumb("C:/Users/Juan/Documents/R/data/Vacuums.R")
r$run(host="127.0.0.1", port = 8000, swagger=TRUE)>

Leonardo Armando Simesen de Bielke

student•

Hola que tal? En el codigo en AspiradorasPb.R en la primera parte:

function(precio,opiniones,peso,volumen,potencia,alto,ancho,profundidad){
  campos<-as.vector(data[1,])    #AQUI

Me parece que estaria llamando siempre a la primera fila de data, con lo cual devolveria siempre el mismo resultado independientemente del input. Se deberia corregir esto??

CLAUDIA CRISTINA APARICIO RUEDA

student•

interesante!

JAVIER SANTIAGO SALGADO

student•


#* @param Precio
#* @param Opiniones
#* @param Peso
#* @param Volumen
#* @param Potencia
#* @param alto
#* @param ancho
#* @param profundidad
#* @get /getCluster

function(precio, opiniones, peso, volumen, potencia, alto, ancho, profundidad){
  campos <- as.vector(data[1,])
  mdist <- matrix(0, ncol = 8, nrow=8)
  for(i in 1:8){
    c <- dist(x=c(campos[i], mycluster$centers[,i]))
    b <- as.matrix(c)
    distancia <- b[-1, 1]
    mdist[i, ] <- distancia
  }
  mdist
  
  rownames(mdist) <- c('Precio', 'Opiniones', 'Peso', 'Volumen','Potencia', 'alto', 'ancho', 'profundidad')
  mdist
  
  dist_total <- apply(mdist, 2, sum)
  num_cluster <- which.min(dist_total)
  num_cluster
}

#* @param precio
#* @param opiniones
#* @param peso
#* @param volumen
#* @param potencia
#* @param alto
#* @param ancho
#* @param profundidad
#* @get /getCluster

function(precio, opiniones, peso, volumen, potencia,
         alto, ancho, profundidad){
  campos&lt;-as.vector(data[1,])
  midist&lt;-matrix(0,ncol=8,nrow=8)
  for(i in 1:8){
    c&lt;-dist(x=c(campos[i],mycluster$centers[,i]))
    b&lt;-as.matrix(c)
    distancia&lt;-b[-1,1]
    midist[i,]&lt;-distancia
  }
  rownames(midist)&lt;-c(&quot;Precio&quot;, &quot;Opiniones&quot;,&quot;Peso&quot;,&quot;Volumen&quot;,
                    &quot;Potencia&quot;,&quot;Alto&quot;,&quot;Ancho&quot;,&quot;Profundidad&quot;)
  dist_total&lt;-apply(midist,2,sum)
  num_cluster&lt;-which.min(dist_total)
  num_cluster
}

library(plumber)
r&lt;-plumb(&quot;D:/Dropbox/Curso Profesional de Ciencia de Datos/AspiradoresPB.R&quot;)
r$run(port=8000)

#&quot;http://localhost:8000/getCluster?precio=-0.07503836&amp;opiniones=12.29276976&amp;peso=-0.10839456&amp;volumen=-0.30659711&amp;potencia=0.07289939&amp;alto=0.40626986&amp;ancho=0.11339198&amp;profundidad=-0.03758433&quot;```

function(Opinions,Normal.Price,Sale.Price,Weight,Price,Height,Width,Depth){
  M1<-read.csv("M3.csv")
  M2<-M1[,-c(1:3)]
  head(M2)
  S2<-data.frame(scale(M2))
  S2[1,]
  fields<-as.vector(S2[1,])
  fields

  #the number of columns and rows are the same of items evaluated
  mdist<-matrix(0,ncol=8,nrow=8)
  for(i in 1:8){
    #the cluster is selecte of the kmeans tested
    c<-as.matrix(dist(x=c(fields[1],cluster2$centers[,i])))
    #below is deleted a zero value provided by convert from dist object to matrix 
    distance<-(c[-1,1])
    mdist[i,]<-distance
  } 
  rownames(mdist)<-c("Opinions","Normal.Price","Sale.Price","Weight","Price","Height","Width","Depth")
  mdist
  Dist<-colSums(mdist)
  DD<-which.min(Dist)
  DD
}

#* @param Precio
#* @param Opiniones
#* @param Peso
#* @param Volumen
#* @param Potencia
#* @param alto
#* @param ancho
#* @param profundidad
#* @get /getCluster

function(precio, opiniones, peso, volumen, potencia, alto, ancho, profundidad){
  campos <- as.vector(data[1,])
  mdist <- matrix(0, ncol = 8, nrow=8)
  for(i in 1:8){
    c <- dist(x=c(campos[i], mycluster$centers[,i]))
    b <- as.matrix(c)
    distancia <- b[-1, 1]
    mdist[i, ] <- distancia
  }
  mdist
  
  rownames(mdist) <- c('Precio', 'Opiniones', 'Peso', 'Volumen','Potencia', 'alto', 'ancho', 'profundidad')
  mdist
  
  dist_total <- apply(mdist, 2, sum)
  num_cluster <- which.min(dist_total)
  num_cluster
}

Poner nuestro modelo en producción

Basicos para el curso

Mundo Data Science

¿Qué hace un Data Scientist?

Introducción a R

Operaciones con datos: vectores, listas y matrices

Operaciones con datos: dataframe y ficheros

¿Qué es web scraping?

Visualización de datos

Presentación del proyecto

Web scraping con R

Intro paquete Rvest y descripción de ejercicio

Principales funciones de Rvest

HTML node

Rvest en nuestro proyecto de Amazon. Recopilación de paginación

Obtención de URL de cada producto

Funciones Apply

Obtención de información de cada producto

Automatización para obtener datos preprocesados

Corrección de errores durante obtención de datos

Reto: Obtén datos de la liga española de fútbol

Adecuación y Análisis descriptivo de los datos

Adecuación de los datos, transformación y eliminación de NA

Procesamiento de datos

Adecuación al algoritmo K-means

Reto: Prepara los datos obtenidos

Aplicando modelo no supervisado: Kmeans

Cómo funciona el algoritmo K-means

Aplicando K-means a nuestro proyecto

Visualización de los clusters

Reto: Aplica el modelo K-means

Modelo en producción

Cómo hacer un punto de API con plumber en R

Poner nuestro modelo en tiempo real: revisión de distancias