#!/usr/bin/env python
# coding: utf-8

# # Ejercicio Python de Regresión Logística
# Realizaremos un ejercicio de prueba para comprender como funciona este algoritmo

# In[1]:


import pandas as pd
import numpy as np
from sklearn import linear_model
from sklearn import model_selection
from sklearn.metrics import classification_report
from sklearn.metrics import confusion_matrix
from sklearn.metrics import accuracy_score
import matplotlib.pyplot as plt
import seaborn as sb
get_ipython().run_line_magic('matplotlib', 'inline')


# ## Cargamos los datos de entrada del archivo csv

# In[2]:


dataframe = pd.read_csv(r"usuarios_win_mac_lin.csv")
dataframe.head()


# In[3]:


dataframe.describe()


# In[4]:


print(dataframe.groupby('clase').size())


# ## Visualizamos los datos

# In[5]:


dataframe.drop(['clase'],1).hist()
plt.show()


# In[6]:


sb.pairplot(dataframe.dropna(), hue='clase',size=4,vars=["duracion", "paginas","acciones","valor"],kind='reg')


# ## Creamos el modelo

# In[7]:


X = np.array(dataframe.drop(['clase'],1))
y = np.array(dataframe['clase'])
X.shape


# In[8]:


model = linear_model.LogisticRegression()
model.fit(X,y)


# In[9]:


predictions = model.predict(X)
print(predictions[0:5])


# In[10]:


model.score(X,y)


# # Adicional: Validación del Modelo

# In[11]:


validation_size = 0.20
seed = 7
X_train, X_validation, Y_train, Y_validation = model_selection.train_test_split(X, y, test_size=validation_size, random_state=seed)


# In[12]:


name='Logistic Regression'
kfold = model_selection.KFold(n_splits=10, random_state=seed)
cv_results = model_selection.cross_val_score(model, X_train, Y_train, cv=kfold, scoring='accuracy')
msg = "%s: %f (%f)" % (name, cv_results.mean(), cv_results.std())
print(msg)


# In[13]:


predictions = model.predict(X_validation)
print(accuracy_score(Y_validation, predictions))


# ## Reporte de Resultados

# In[14]:


print(confusion_matrix(Y_validation, predictions))


# In[15]:


print(classification_report(Y_validation, predictions))


# # Clasificación de nuevos registros

# In[16]:


X_new = pd.DataFrame({'duracion': [10], 'paginas': [3], 'acciones': [5], 'valor': [9]})
model.predict(X_new)