AIM-PIbd-31-Afanasev-S-S/lab_7/lab7.ipynb

Начало лабораторной работы¶

In [1]:

import numpy as np
import skfuzzy as fuzz
import matplotlib.pyplot as plt
import pandas as pd
from skfuzzy import control as ctrl

df = pd.read_csv('C:/Users/TIGR228/Desktop/МИИ/Lab1/AIM-PIbd-31-Afanasev-S-S/static/csv/diabetes.csv')
#df = df[~df['bedrooms'].between(10, 34)]

df.columns

Out[1]:

Index(['Pregnancies', 'Glucose', 'BloodPressure', 'SkinThickness', 'Insulin',
       'BMI', 'DiabetesPedigreeFunction', 'Age', 'Outcome'],
      dtype='object')

Определим входные и выходные переменные¶

Входные X: Glucose (уровень глюкозы) и BMI (индекс массы тела)

Выходные Y: Outcome (исход по диабету)

In [2]:

glucose = ctrl.Antecedent(np.arange(0, 200, 1), "glucose")
bmi = ctrl.Antecedent(np.arange(0, 70, 1), "bmi")
outcome = ctrl.Consequent(np.arange(0, 2, 1), "outcome")

Формирование нечетких переменных для лингвистических переменных и их визуализация¶

In [3]:

# Определение функций принадлежности для Glucose
glucose['низкий'] = fuzz.trimf(glucose.universe, [0, 0, 100])
glucose['средний'] = fuzz.trimf(glucose.universe, [50, 100, 150])
glucose['высокий'] = fuzz.trimf(glucose.universe, [100, 200, 200])

# Определение функций принадлежности для BMI
bmi['низкий'] = fuzz.trimf(bmi.universe, [0, 0, 25])
bmi['средний'] = fuzz.trimf(bmi.universe, [18.5, 25, 30])
bmi['высокий'] = fuzz.trimf(bmi.universe, [25, 70, 70])

# Определение функций принадлежности для Outcome
outcome['нет диабета'] = fuzz.trimf(outcome.universe, [0, 0, 1])
outcome['есть диабет'] = fuzz.trimf(outcome.universe, [0, 1, 1])

# Визуализация функций принадлежности
glucose.view()
bmi.view()
outcome.view()

c:\Users\TIGR228\Desktop\МИИ\Lab1\AIM-PIbd-31-Afanasev-S-S\aimenv\Lib\site-packages\skfuzzy\control\fuzzyvariable.py:125: UserWarning: FigureCanvasAgg is non-interactive, and thus cannot be shown
  fig.show()

Формирование и визуализация базы нечетких правил¶

In [4]:

# Определение правил
rule1 = ctrl.Rule(glucose['низкий'] & bmi['низкий'], outcome['нет диабета'])
rule2 = ctrl.Rule(glucose['низкий'] & bmi['средний'], outcome['нет диабета'])
rule3 = ctrl.Rule(glucose['низкий'] & bmi['высокий'], outcome['есть диабет'])
rule4 = ctrl.Rule(glucose['средний'] & bmi['низкий'], outcome['нет диабета'])
rule5 = ctrl.Rule(glucose['средний'] & bmi['средний'], outcome['есть диабет'])
rule6 = ctrl.Rule(glucose['средний'] & bmi['высокий'], outcome['есть диабет'])
rule7 = ctrl.Rule(glucose['высокий'] & bmi['низкий'], outcome['есть диабет'])
rule8 = ctrl.Rule(glucose['высокий'] & bmi['средний'], outcome['есть диабет'])
rule9 = ctrl.Rule(glucose['высокий'] & bmi['высокий'], outcome['есть диабет'])

rule1.view()

Out[4]:

(<Figure size 640x480 with 1 Axes>, <Axes: >)

Создание нечеткой системы и добавление нечетких правил в базу знаний нечеткой системы¶

In [5]:

outcome_ctrl = ctrl.ControlSystem(
    [
        rule1,
        rule2,
        rule3,
        rule4,
        rule5,
        rule6,
        rule7,
        rule8,
        rule9,
    ]
)

outcomes = ctrl.ControlSystemSimulation(outcome_ctrl)

Пример расчета выходной переменной outcome на основе входных переменных glucose и bmi¶

In [8]:

outcomes.input["glucose"] = 116
outcomes.input["bmi"] = 33
outcomes.compute()
outcomes.print_state()
outcomes.output["outcome"]

=============
 Antecedents 
=============
Antecedent: glucose                 = 116
  - низкий                          : 0.0
  - средний                         : 0.68
  - высокий                         : 0.16
Antecedent: bmi                     = 33
  - низкий                          : 0.0
  - средний                         : 0.0
  - высокий                         : 0.17777777777777778

=======
 Rules 
=======
RULE #0:
  IF glucose[низкий] AND bmi[низкий] THEN outcome[нет диабета]
	AND aggregation function : fmin
	OR aggregation function  : fmax

  Aggregation (IF-clause):
  - glucose[низкий]                                        : 0.0
  - bmi[низкий]                                            : 0.0
                           glucose[низкий] AND bmi[низкий] = 0.0
  Activation (THEN-clause):
                                      outcome[нет диабета] : 0.0

RULE #1:
  IF glucose[низкий] AND bmi[средний] THEN outcome[нет диабета]
	AND aggregation function : fmin
	OR aggregation function  : fmax

  Aggregation (IF-clause):
  - glucose[низкий]                                        : 0.0
  - bmi[средний]                                           : 0.0
                          glucose[низкий] AND bmi[средний] = 0.0
  Activation (THEN-clause):
                                      outcome[нет диабета] : 0.0

RULE #2:
  IF glucose[низкий] AND bmi[высокий] THEN outcome[есть диабет]
	AND aggregation function : fmin
	OR aggregation function  : fmax

  Aggregation (IF-clause):
  - glucose[низкий]                                        : 0.0
  - bmi[высокий]                                           : 0.17777777777777778
                          glucose[низкий] AND bmi[высокий] = 0.0
  Activation (THEN-clause):
                                      outcome[есть диабет] : 0.0

RULE #3:
  IF glucose[средний] AND bmi[низкий] THEN outcome[нет диабета]
	AND aggregation function : fmin
	OR aggregation function  : fmax

  Aggregation (IF-clause):
  - glucose[средний]                                       : 0.68
  - bmi[низкий]                                            : 0.0
                          glucose[средний] AND bmi[низкий] = 0.0
  Activation (THEN-clause):
                                      outcome[нет диабета] : 0.0

RULE #4:
  IF glucose[средний] AND bmi[средний] THEN outcome[есть диабет]
	AND aggregation function : fmin
	OR aggregation function  : fmax

  Aggregation (IF-clause):
  - glucose[средний]                                       : 0.68
  - bmi[средний]                                           : 0.0
                         glucose[средний] AND bmi[средний] = 0.0
  Activation (THEN-clause):
                                      outcome[есть диабет] : 0.0

RULE #5:
  IF glucose[средний] AND bmi[высокий] THEN outcome[есть диабет]
	AND aggregation function : fmin
	OR aggregation function  : fmax

  Aggregation (IF-clause):
  - glucose[средний]                                       : 0.68
  - bmi[высокий]                                           : 0.17777777777777778
                         glucose[средний] AND bmi[высокий] = 0.17777777777777778
  Activation (THEN-clause):
                                      outcome[есть диабет] : 0.17777777777777778

RULE #6:
  IF glucose[высокий] AND bmi[низкий] THEN outcome[есть диабет]
	AND aggregation function : fmin
	OR aggregation function  : fmax

  Aggregation (IF-clause):
  - glucose[высокий]                                       : 0.16
  - bmi[низкий]                                            : 0.0
                          glucose[высокий] AND bmi[низкий] = 0.0
  Activation (THEN-clause):
                                      outcome[есть диабет] : 0.0

RULE #7:
  IF glucose[высокий] AND bmi[средний] THEN outcome[есть диабет]
	AND aggregation function : fmin
	OR aggregation function  : fmax

  Aggregation (IF-clause):
  - glucose[высокий]                                       : 0.16
  - bmi[средний]                                           : 0.0
                         glucose[высокий] AND bmi[средний] = 0.0
  Activation (THEN-clause):
                                      outcome[есть диабет] : 0.0

RULE #8:
  IF glucose[высокий] AND bmi[высокий] THEN outcome[есть диабет]
	AND aggregation function : fmin
	OR aggregation function  : fmax

  Aggregation (IF-clause):
  - glucose[высокий]                                       : 0.16
  - bmi[высокий]                                           : 0.17777777777777778
                         glucose[высокий] AND bmi[высокий] = 0.16
  Activation (THEN-clause):
                                      outcome[есть диабет] : 0.16


==============================
 Intermediaries and Conquests 
==============================
Consequent: outcome                  = 0.5429990966576332
  нет диабета:
    Accumulate using accumulation_max : 0.0
  есть диабет:
    Accumulate using accumulation_max : 0.17777777777777778

Out[8]:

np.float64(0.5429990966576332)

Тестирование нечеткой системы¶

In [11]:

# Функция для предсказания
def fuzzy_pred(row):
    outcomes.input['glucose'] = row['Glucose']
    outcomes.input['bmi'] = row['BMI']
    outcomes.compute()
    return outcomes.output['outcome']

res = df[['Glucose', 'BMI', 'Outcome']].head(100)

res['Pred'] = res.apply(fuzzy_pred, axis=1)

res.head(15)

Out[11]:

	Glucose	BMI	Outcome	Pred
0	148	33.6	1	0.546095
1	85	26.6	0	0.598549
2	183	23.3	1	0.648593
3	89	28.1	0	0.558266
4	137	43.1	1	0.585501
5	116	25.6	0	0.640808
6	78	31.0	1	0.532540
7	115	35.3	0	0.554757
8	197	30.5	1	0.529893
9	125	0.0	1	0.452381
10	110	37.6	0	0.566202
11	168	38.0	1	0.568158
12	139	27.1	0	0.589627
13	189	30.1	1	0.527766
14	166	25.8	1	0.637910

Оценка результатов на основе метрик для задачи регрессии¶

In [12]:

import math
from sklearn import metrics

# Вычисление метрик
rmetrics = {}
rmetrics["RMSE"] = math.sqrt(metrics.mean_squared_error(res['Outcome'], res['Pred']))
rmetrics["RMAE"] = metrics.mean_absolute_error(res['Outcome'], res['Pred'])
rmetrics["R2"] = metrics.r2_score(res['Outcome'], res['Pred'])

rmetrics

Out[12]:

{'RMSE': 0.5172348603024656,
 'RMAE': np.float64(0.5107233852036642),
 'R2': -0.14771300176795843}