from babip import rec
import pandas as pd

# 데이터 로드
data_path = './../movie_data.csv'
data = pd.read_csv(data_path, encoding='cp949')

# 칼럼 이름
col_title = 'title' # 아이템 이름 정보를 담는 칼럼의 이름
col_contents = 'story' # 문서 유사도 비교에 쓰일 자연어 정보를 담는 칼럼의 이름

# TF-IDF 행렬
matrix = rec.tfidf(data, col_contents)

# 코사인 유사도
similarity = rec.cos_similarity(data, col_contents)

# 추천 시스템
title = '인터스텔라' # col_title 칼럼의 값 중 하나 선택
recommendations = rec.recommend(title, data, col_title, col_contents)

from babip import koda


# 예시 문장
sentence = '롯데 자이언츠 유니폼을 16년째 입고 있는 전준우는 포스트시즌 진출이 너무나도 간절하다. 그는 "올해 우리 팀이 가을야구에 진출하지 못하면 너무 아쉬울 것 같다"고 말했다.'

# 유의어 대체
sr = koda.synonym_replace(sentence)

# 단어 랜덤 삽입
ri = koda.random_insert(sentence)

# 단어 자리 바꾸기
rs = koda.random_swap(sentence)

# 단어 랜덤 삭제
rd = koda.random_delete(sentence)

from babip import overfit
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.tree import DecisionTreeClassifier


# 데이터 로드
data_path = './../data.csv'
data = pd.read_csv(data_path)

# 데이터 분할
X = data['data']
Y = data['target']
X_train, X_test, y_train, y_test = train_test_split(X, Y, stratify=Y, random_state=777)

# 모델 훈련
model = DecisionTreeClassifier()
model.fit(X_train, y_train)

# 과적합 탐지
overfit_result = overfit.is_overfit(model, X_train, y_train, X_test, y_test)

from babip import hyperopt
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.tree import DecisionTreeClassifier


# 데이터 로드
data_path = './../data.csv'
data = pd.read_csv(data_path)

# 데이터 분할
X = data['data']
Y = data['target']
X_train, X_test, y_train, y_test = train_test_split(X, Y, stratify=Y, random_state=777)

# 모델 훈련
model = DecisionTreeClassifier()
model.fit(X_train, y_train)

# 하이퍼파라미터 탐색 구간 설정
parameters = {
    'criterion': ['gini', 'entropy'], 
    'max_depth': [None, 2, 3, 4, 5, 6],
    'max_leaf_nodes': range(5, 101, 5)
}

# Grid Search를 통해 최적의 하이퍼파라미터 값 탐색
best_parameters_gs = hyperopt.grid_search(model, parameters, X_train, y_train)

# Random Search를 통해 최적의 하이퍼파라미터 값 탐색
best_parameters_rs = hyperopt.random_search(model, parameters, X_train, y_train)