forked from s444399/AI
63 lines
2.3 KiB
Python
63 lines
2.3 KiB
Python
import pandas as pd
|
|
import graphviz
|
|
import sklearn
|
|
from sklearn.tree import DecisionTreeClassifier
|
|
from ast import literal_eval as make_tuple
|
|
|
|
class WhereDecision:
|
|
def __init__(self):
|
|
pass
|
|
|
|
def recognize(self, recognize, regals):
|
|
zwykle = []
|
|
kruche = []
|
|
latwopalne = []
|
|
radioaktywne = []
|
|
niebezpieczne = []
|
|
lokacja = []
|
|
for regal in regals:
|
|
if (regal[2] == 1):
|
|
zwykle.append(0)
|
|
kruche.append(1)
|
|
latwopalne.append(0)
|
|
radioaktywne.append(0)
|
|
niebezpieczne.append(0)
|
|
lokacja.append(str("("+str(regal[0])+", "+str(regal[1])+")"))
|
|
elif (regal[2] == 2):
|
|
zwykle.append(0)
|
|
kruche.append(0)
|
|
latwopalne.append(1)
|
|
radioaktywne.append(0)
|
|
niebezpieczne.append(0)
|
|
lokacja.append(str("("+str(regal[0])+", "+str(regal[1])+")"))
|
|
elif (regal[2] == 3):
|
|
zwykle.append(0)
|
|
kruche.append(0)
|
|
latwopalne.append(0)
|
|
radioaktywne.append(1)
|
|
niebezpieczne.append(0)
|
|
lokacja.append(str("("+str(regal[0])+", "+str(regal[1])+")"))
|
|
elif (regal[2] == 4):
|
|
zwykle.append(0)
|
|
kruche.append(0)
|
|
latwopalne.append(0)
|
|
radioaktywne.append(0)
|
|
niebezpieczne.append(1)
|
|
lokacja.append(str("("+str(regal[0])+", "+str(regal[1])+")"))
|
|
else:
|
|
zwykle.append(1)
|
|
kruche.append(0)
|
|
latwopalne.append(0)
|
|
radioaktywne.append(0)
|
|
niebezpieczne.append(0)
|
|
lokacja.append(str("("+str(regal[0])+", "+str(regal[1])+")"))
|
|
if len(zwykle) == 0:
|
|
return [1, 2]
|
|
z = list(zip(zwykle, kruche, latwopalne, radioaktywne, niebezpieczne))
|
|
prenumeratorzy = pd.DataFrame({"lokacja": lokacja})
|
|
prenumeratorzy["lokacja"], lokacja_kody = pd.factorize(prenumeratorzy["lokacja"])
|
|
y = prenumeratorzy["lokacja"]
|
|
drzewko = DecisionTreeClassifier(criterion="entropy")
|
|
drzewko.fit(X=z, y=y)
|
|
tmp = list(make_tuple(lokacja_kody[drzewko.predict(recognize)][0]))
|
|
return tmp |