-
Notifications
You must be signed in to change notification settings - Fork 2
/
Copy pathlogit.r
164 lines (127 loc) · 7.92 KB
/
logit.r
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
# Importar avental
aventais2 <- aventais %>%
mutate(ds_item = tolower(iconv(ds_item, from="UTF-8", to="ASCII//TRANSLIT"))) %>%
filter(stringr::str_detect(ds_item, "aventa")) %>%
mutate(flag_pacote = if_else(stringr::str_detect(ds_item, "pacote|kit|com \\d|c/ \\d|c \\d|\\d un|unidades|und|\\d uni|c/\\d|kg| un |cx|pacote|pct|kg|und|quilo| unid "),1,0),
flag_material = if_else(stringr::str_detect(ds_item, "tecido|latex|material|tnt|plastic|plastic|pvc|pff|acrilic|algodao|polipropileno|nitrilica|borracha|polietileno|n95|galvanizado|poliester|inox|vinil|mdf|aluminio|nylon|ferro|policarbonato|nao-tecido|nitrilica|prata|metalica|microfibra|\\(tnt\\)|acrilica"),1,0),
flag_detalhe_ad = if_else(stringr::str_detect(ds_item, "tamanho|cor|elastico|cm|100%|branco|ambidestra|esteril|impermeavel|gramatura|mg|atoxica|preto|natural|azul|medindo|mm|branca|lubrificada|capacidade|bioabsorvivel|certificado|peso|comprimento|lei|nbr|normas|caracteristicas|costura|dimensoes|bolsos|abnt|flexivel|infantil|anvisa|sanfonada|densidade|certificacao|gramas|inmetro|antiderrapante"),1,0),
tamanho_texto = stringr::str_length(ds_item),
n_palavras = sapply(strsplit(ds_item, " "), length),
bol_nao_unidade = if_else(sg_unidade_medida == "UN", 0, 1)) %>%
mutate(vl_item_contrato = gsub("R\\$ ", "" ,vl_item_contrato),
vl_item_contrato = as.numeric(gsub(",", "", vl_item_contrato))) %>%
filter(vl_item_contrato > 0.1) %>%
mutate(median_price = median(vl_item_contrato, na.rm=T),
price_perc = vl_item_contrato/median_price,
median_text = median(tamanho_texto),
tamanho_perc = tamanho_texto/median_text,
median_palavras = median(n_palavras),
palavras_perc = n_palavras/median_palavras,
bol_1_uni = if_else(qt_itens_contrato == 1, 1, 0),
flag_pre_e_uni = if_else(bol_1_uni == 1 & price_perc > 1.5 & bol_nao_unidade == 0, 1, 0))
reg2_med_cor <- lm(medida_correta ~ log(palavras_perc) + log(price_perc) + bol_nao_unidade + flag_pacote + flag_pre_e_uni, data=aventais2)
summary(reg2_med_cor)
summary(reg_med_cor)
reg2_material <- lm(material_do_objeto ~ log(palavras_perc) + flag_material, data=aventais2)
summary(reg2_material)
reg2_det_ad <- lm(detalhes_adicionais ~ log(palavras_perc) + flag_detalhe_ad, data=aventais2)
summary(reg2_det_ad)
reg2_desc_alem <- lm(descricao_alem_do_objeto ~ log(palavras_perc) , data=aventais2)
summary(reg2_det_ad)
aventais2 <- aventais2 %>%
mutate(estimativa = predict(reg2_med_cor, aventais2))
#! Criar listas
selecao <- c("mascara","aventa","luva","macac","touca","oculos","jaleco","sapatilha","teste","alcoo","sabonete","sabao","detergente","desinfetante","uniforme","detergente","hipoclorito","sapato","viseira")
#OBS.: Reincluir termometro e oxímetro
# Obs.: Removi macacão, protetor, lençol, toalha, jaqueta, blusa, sapato porque havia muita variação no preço e itens muito pouco relacionados
reg3_itens_analise <- item_contrato %>%
mutate(ds_item = tolower(iconv(ds_item, from="UTF-8", to="ASCII//TRANSLIT")))
# Criar indicadores de mais informação
reg3_itens_analise <- reg2_itens_analise %>%
mutate(flag_pacote = if_else((stringr::str_detect(ds_item, "pacote|com \\d|c/ \\d|c \\d|\\d un|unidades|und|\\d uni|c/\\d|kg| un |cx|pacote|pct|kg|und|quilo| unid ") & !stringr::str_detect(ds_item, "\\dl|\\d l|\\d ml|\\dml" )),1,0),
flag_material = if_else(stringr::str_detect(ds_item, "tecido|latex|material|tnt|plastic|plastic|pvc|pff|acrilic|algodao|polipropileno|nitrilica|borracha|polietileno|n95|galvanizado|poliester|inox|vinil|mdf|aluminio|nylon|ferro|policarbonato|nao-tecido|nitrilica|prata|metalica|microfibra|\\(tnt\\)|acrilica"),1,0),
flag_detalhe_ad = if_else(stringr::str_detect(ds_item, "tamanho|cor|elastico|cm|100%|branco|ambidestra|esteril|impermeavel|gramatura|mg|atoxica|preto|natural|azul|medindo|mm|branca|lubrificada|capacidade|bioabsorvivel|certificado|peso|comprimento|lei|nbr|normas|caracteristicas|costura|dimensoes|bolsos|abnt|flexivel|infantil|anvisa|sanfonada|densidade|certificacao|gramas|inmetro|antiderrapante"),1,0),
nivel_data2 = as.Date(stringr::str_sub(dt_inicio_vigencia, start = 1L, end = 10), tryFormats = c("%Y-%m-%d"))
)
# Filtrar pela seleção de itens
reg3_itens_analise <- selecao %>%
purrr::map(function(x) {
reg3_itens_analise %>%
mutate(selec = stringr::str_detect(ds_item, x), categoria_item = x) %>%
filter(selec == TRUE)
}) %>%
bind_rows() %>%
distinct(id_item_contrato, .keep_all= TRUE)
# Criar variaveis por item
reg3_itens_analise2 <- reg3_itens_analise %>%
filter(vl_item_contrato > 0.1) %>%
filter(!stringr::str_detect(ds_item, "lavadora de pressao|totem|totens|toten|dispenser")) %>%
group_by(categoria_item) %>%
mutate(tamanho_texto = stringr::str_length(ds_item),
n_palavras = sapply(strsplit(ds_item, " "), length),
bol_nao_unidade = if_else(sg_unidade_medida == "UN", 0, 1),
median_palavras = median(n_palavras),
palavras_perc = n_palavras/median_palavras,
bol_1_uni = if_else(qt_itens_contrato == 1, 1, 0),
nivel_data2 = lubridate::floor_date(as.Date(stringr::str_sub(dt_inicio_vigencia, start = 1L, end = 10), tryFormats = c("%Y-%m-%d")),"month")) %>%
ungroup()
reg3_itens_analise2 <- reg3_itens_analise2 %>%
group_by(categoria_item,nivel_data2) %>%
mutate(median_price = median(vl_item_contrato, na.rm=T),
price_perc = vl_item_contrato/median_price,
flag_pre_e_uni = if_else(bol_1_uni == 1 & price_perc > 1.5 & bol_nao_unidade == 0, 1, 0)) %>%
ungroup
# Preencher com valores estimado
reg3_itens_analise2 <- reg3_itens_analise2 %>%
mutate(estimativa_med_cor = predict(model, reg2_itens_analise2)),
estimativa_material = predict(reg2_material, reg2_itens_analise2),
estimativa_det_ad = predict(reg2_det_ad, reg2_itens_analise2))
reg_itens_analise2 %>% filter(estimativa_med_cor > 0.4) %>%
nrow()
reg_itens_analise2 %>%
filter(!flag_servico == 1) %>%
group_by(categoria_item) %>%
mutate(total_cat = n(), total_valor_cat = sum(vl_total_item_contrato)) %>%
filter(estimativa_med_cor < 0.4) %>%
mutate(total_med_inc = n(),
porc_inc = total_med_inc/total_cat,
valor_inc = sum(vl_total_item_contrato),
perc_valor_inc = valor_inc/total_valor_cat) %>%
select(categoria_item, total_med_inc, porc_inc, valor_inc, perc_valor_inc) %>%
unique() %>%
arrange(desc(valor_inc)) %>%
kable(align="l", format.args = list(big.mark = ","), digits=2) %>%
kable_styling(bootstrap_options = c("striped"), position = "center")
reg2_itens_analise2 %>%
select(id_item_contrato,id_contrato, ds_item, estimativa_med_cor, estimativa_material)
reg2_itens_analise2 %>%
select(id_item_contrato,estimativa_med_cor) %>%
left_join(select(itens_analise2,id_item_contrato,estimativa_med_cor), by = 'id_item_contrato') %>%
View()
####### Cross
# Split the data into training and test set
set.seed(123)
training.samples <- aventais2 %>%
createDataPartition(p = 0.8, list = FALSE)
train.data <- swiss[training.samples, ]
test.data <- swiss[-training.samples, ]
# Build the model
model <- lm(Fertility ~., data = train.data)
# Make predictions and compute the R2, RMSE and MAE
predictions <- model %>% predict(test.data)
data.frame( R2 = R2(predictions, test.data$Fertility),
RMSE = RMSE(predictions, test.data$Fertility),
MAE = MAE(predictions, test.data$Fertility))
#################
# R program to implement
# Leave one out cross validation
# defining training control
# as Leave One Out Cross Validation
train_control <- caret::trainControl(method = "LOOCV")
# training the model by assigning sales column
# as target variable and rest other column
# as independent varaible
model <- caret::train(medida_correta ~ log(palavras_perc) + log(price_perc) + bol_nao_unidade + flag_pacote + flag_pre_e_uni, data=aventais2,
method = "glm",
family = "binomial",
trControl = train_control)