Spaces:
Sleeping
Sleeping
| 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('cestas.csv') | |
| productos = pd.read_csv('productos.csv') | |
| # Cargar la matriz TF-IDF y el modelo | |
| tfidf_matrix = load('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('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 |