In [184]:
# Library load
import os
import pandas as pd
import numpy as np
# Plotting library
import seaborn as sn
import matplotlib.pyplot as plt
# Funciones para hacer cálculo estadístico
import statsmodels.api as sm
from statsmodels.formula.api import ols
# sklearn packages
from sklearn.preprocessing import StandardScaler # Análisis de PCA
from sklearn import metrics # Calcula métricas para un modelo
from sklearn import tree # Cálculo de decision trees
from sklearn.tree import DecisionTreeClassifier # Generación de modelos de decision tree
from sklearn.ensemble import BaggingClassifier # Generación de modelos de bagging
from sklearn.ensemble import RandomForestClassifier # Generación de modelo de random forest
from sklearn.ensemble import GradientBoostingClassifier
from sklearn.model_selection import train_test_split # Hace split entre training y testing
from sklearn.model_selection import cross_validate # trains model with cross validation
from sklearn.model_selection import GridSearchCV # Optimización de hiperparámetros para un modelo
from sklearn.preprocessing import OneHotEncoder # One Hot encoding de las variables categóricas
# Models
import catboost as cat
import ipywidgets
# Confusion matrix viz
from mlxtend.evaluate import confusion_matrix # Calcula la matriz de confusion
from mlxtend.plotting import plot_confusion_matrix #plot de la matriz de confusión
from mlxtend.classifier import StackingClassifier #stacking classifier
# Shap library
import shap
# print the JS visualization code to the notebook
shap.initjs()
# Ignoring warning messages
import warnings
warnings.filterwarnings('ignore') #ignora los errores en el notebook
