Paquete Inteligencia Artificial

Paquete de algoritmos de Inteligencia Artificial: aprendizaje de estructura de Redes Bayesianas y reglas de asociación.

Instalación

pip install inteligenciartificial

O desde fuente local:

pip install ./fia

Uso

Algoritmos de aprendizaje de estructura

K2

Algoritmo greedy que requiere un orden topológico de variables. Agrega padres iterativamente si mejoran la métrica de scoring.

from inteligenciartificial.modelografosprobabilisticos.busqueda import K2
from inteligenciartificial.modelografosprobabilisticos.metricas import Entropia, BIC

orden = ["Churn", "tenure_cat", "OnlineSecurity", "TechSupport", "Contract"]
k2 = K2(orden, max_padres=4, df=df_train, metrica=Entropia())
# [K2] Grafos explorados: 35 | Tiempo: 0.1234 s | Throughput: 283.61 grafos/s

modelo = k2.fit(X_train, y_train, alpha=1.0)

Hill-Climbing

Algoritmo de búsqueda local que en cada paso evalúa operaciones de agregar, eliminar e invertir aristas, seleccionando la que mayor mejora produce.

A partir de la versión 0.0.6 acepta configurar el estado inicial:

• Por defecto parte de un grafo vacío.
• grafo_inicial: Grafo desde el cual iniciar la búsqueda.
• grafos_iniciales: lista de Grafo para ejecutar varias corridas con inicios manuales.
• reinicios + seed: número de reinicios desde DAGs aleatorios reproducibles.

from inteligenciartificial.modelografosprobabilisticos.busqueda import HillClimbing
from inteligenciartificial.modelografosprobabilisticos.metricas import BIC
from inteligenciartificial.modelografosprobabilisticos.grafo import Grafo

variables = ["Churn", "tenure_cat", "OnlineSecurity", "TechSupport", "Contract"]

# Inicio por defecto (grafo vacío)
hc = HillClimbing(variables, max_padres=4, df=df_train, metrica=BIC(), max_iter=100)

# Inicio desde un grafo dado
hc = HillClimbing(variables, max_padres=4, df=df_train, metrica=BIC(), max_iter=100,
                  grafo_inicial=Grafo([("Contract", "Churn")]))

# Reinicios aleatorios reproducibles
hc = HillClimbing(variables, max_padres=4, df=df_train, metrica=BIC(), max_iter=100,
                  reinicios=5, seed=42)

# Reinicios manuales
hc = HillClimbing(variables, max_padres=4, df=df_train, metrica=BIC(), max_iter=100,
                  grafos_iniciales=[Grafo([]), Grafo([("Contract", "Churn")])])

modelo = hc.fit(X_train, y_train, alpha=1.0)

Simulated Annealing

Búsqueda estocástica que en cada iteración propone una operación vecina aleatoria (agregar / eliminar / invertir arista). Si la operación mejora el score se acepta; si lo empeora, se acepta con probabilidad exp(Δ / T). La temperatura decae geométricamente con factor enfriamiento.

from inteligenciartificial.modelografosprobabilisticos.busqueda import SimulatedAnnealing
from inteligenciartificial.modelografosprobabilisticos.metricas import BIC

sa = SimulatedAnnealing(
    variables, max_padres=4, df=df_train, metrica=BIC(),
    max_iter=2000, t_inicial=1.0, t_min=1e-3, enfriamiento=0.995, seed=42,
)
modelo = sa.fit(X_train, y_train, alpha=1.0)

Fuerza bruta

A partir de la versión 0.0.8. Enumera todos los DAG posibles (respetando max_padres) y garantiza el óptimo global, por lo que solo es viable con pocas variables: n_variables ≤ 5.

Variables	1	2	3	4	5	6
DAG posibles	1	3	25	543	29 281	3 781 503

Qué conjuntos de variables explora, dado variables (con objetivo, este va en todos):

Opción	Conjuntos explorados (ejemplo con n_variables=3)
por defecto	uno: las n_variables primeras
recursivo=True	los tamaños 1, 2 y 3 (las primeras variables de cada tamaño)
combinatorio=True	todas las combinaciones de 3 variables
ambos	todas las combinaciones de 1, 2 y 3 variables

Cada DAG se puntúa con metrica (BIC o Entropía) y, si se indica objetivo, se evalúa como clasificador sobre df_eval (o sobre df si no se da, lo que es optimista) con AUC, accuracy, precision, recall y F1. Las redes con el mismo manto de Markov del objetivo predicen lo mismo y se evalúan una sola vez.

from inteligenciartificial.modelografosprobabilisticos.busqueda import FuerzaBruta
from inteligenciartificial.modelografosprobabilisticos.metricas import BIC

variables = ["Churn", "Contract", "TechSupport", "tenure_cat", "OnlineSecurity", "InternetService"]

fb = FuerzaBruta(
    variables, max_padres=2, df=df_train, metrica=BIC(),
    objetivo="Churn", df_eval=df_test, n_variables=3,
    recursivo=True, combinatorio=True,           # tamaños 1..3, todas las combinaciones
    criterio="auc", umbral=0.3,                  # elige por AUC; F1, etc. con P(Yes) >= 0.3
    csv="resultados/fuerza_bruta.csv",           # una fila por DAG
    png="resultados", metricas_png=["auc", "f1"],  # un PNG por métrica
)
# [FuerzaBruta] Conjuntos de variables: 16 | Grafos explorados: 266 | Tiempo: … | Mejor auc: …

fb.resultados.sort_values("auc", ascending=False).head()   # variables, aristas, score y métricas
modelo = fb.fit(X_train, y_train, alpha=1.0)               # RedBayesiana con la mejor red
fb.graficar("recall", "resultados/recall.png")             # otro gráfico cuando se quiera

• criterio: "score" (por defecto con un solo conjunto de variables) o una de las métricas. Con recursivo o combinatorio se comparan redes con distintas variables, cuyas puntuaciones BIC no son comparables, así que hace falta objetivo y un criterio de clasificación (por defecto, "auc"). A igual valor gana la red más simple.
• umbral (solo objetivo binario): probabilidad mínima de pos_label (por defecto, la última clase: "Yes", 1) para predecirla. Sin él, accuracy, precision, recall y F1 usan la clase más probable; con clases desbalanceadas eso puede dar F1 = 0 en todas las redes. El AUC no depende del umbral.
• Gráficos: a la izquierda, todas las redes ordenadas por la métrica (color = número de variables); a la derecha, la métrica frente al score de estructura (un conjunto) o su rango en cada conjunto de variables (varios). Requieren matplotlib: pip install "inteligenciartificial[graficos]".
• max_grafos (1 000 000 por defecto) evita búsquedas desmedidas; como referencia, 29 281 DAG con métricas tardan en torno a 1 s.

Métricas de throughput

Todos los algoritmos (K2, Hill-Climbing, Simulated Annealing y Fuerza bruta) reportan automáticamente al finalizar el entrenamiento:

Atributo	Descripción
grafos_explorados	Cantidad de configuraciones de grafo (conjuntos de padres) evaluadas
tiempo_segundos	Tiempo total de la búsqueda de estructura en segundos
throughput	Tasa de exploración: grafos_explorados / tiempo_segundos (grafos/s)

print(k2.grafos_explorados)   # e.g., 35
print(k2.tiempo_segundos)     # e.g., 0.1234
print(k2.throughput)           # e.g., 283.61

ReglasAsociacion (ver Reglas de asociación) informa lo mismo con itemsets_evaluados (itemsets contados por Apriori), tiempo_segundos y throughput (itemsets/s).

Métricas de scoring

Métrica	Descripción
Entropia	Usa -H(X|Pa) como score (mayor es mejor)
BIC	Bayesian Information Criterion con penalización (k/2)*log(N)

Modelos

• RedBayesiana: Red Bayesiana discreta con CPTs estimadas por conteos + suavizado Dirichlet(alpha).
• NaiveBayes: Caso especial donde todas las features dependen únicamente de la clase.

Ambos son clasificadores de scikit-learn (ver abajo).

Integración con scikit-learn

A partir de la versión 0.0.7, RedBayesiana y NaiveBayes heredan de ClassifierMixin y BaseEstimator: se pueden clonar y, tras fit, exponen classes_ y predict_proba (P(objetivo | X), una columna por clase). Por eso se acoplan directamente a TunedThresholdClassifierCV (scikit-learn ≥ 1.5), que elige por validación cruzada el umbral de decisión que maximiza una métrica en problemas binarios. En la RedBayesiana la estructura del grafo queda fija y en cada fold solo se re-estiman las CPTs.

from sklearn.metrics import f1_score, make_scorer
from sklearn.model_selection import TunedThresholdClassifierCV

red = hc.fit(X_train, y_train, alpha=1.0)   # o RedBayesiana(grafo, alpha=1.0)

ajustado = TunedThresholdClassifierCV(
    red, scoring=make_scorer(f1_score, pos_label="Yes"), cv=5,
).fit(X_train, y_train)

print(ajustado.best_threshold_, ajustado.best_score_)
y_pred = ajustado.predict(X_test)

• La variable objetivo es el nombre de y (pd.Series). Si y no tiene nombre, indícala con RedBayesiana(grafo, objetivo="Churn").
• Con etiquetas de texto, las métricas que usan pos_label (F1, precisión, recall) necesitan make_scorer(..., pos_label=...); la métrica por defecto, balanced_accuracy, no.
• Con un conjunto de validación aparte: TunedThresholdClassifierCV(red, cv="prefit", refit=False).fit(X_val, y_val).
• NaiveBayes se usa igual: TunedThresholdClassifierCV(NaiveBayes(clase="Churn"), cv=5).fit(X_train, y_train).

Por la misma razón funcionan con LearningCurveDisplay, que re-entrena el modelo con porciones crecientes de los datos:

import numpy as np
from sklearn.model_selection import LearningCurveDisplay

red = fb.fit(X_train, y_train)   # o hc.fit(...), RedBayesiana(grafo), NaiveBayes(clase="Churn")
LearningCurveDisplay.from_estimator(
    red, X_train, y_train, cv=5, scoring="roc_auc",
    train_sizes=np.linspace(0.1, 1.0, 5), shuffle=True, random_state=0,
)

• Para F1, precision o recall con etiquetas de texto: scoring=make_scorer(f1_score, pos_label="Yes"), score_name="F1". Sin score_name, LearningCurveDisplay falla con un make_scorer.
• shuffle=True evita porciones pequeñas con una sola clase cuando los datos vienen ordenados.

Reglas de asociación

A partir de la versión 0.0.9, el subpaquete inteligenciartificial.reglasasociacion busca reglas de asociación X → Y ("quien compra X también compra Y") y estima su soporte, confianza y lift, de forma frecuentista o bayesiana (previa de Dirichlet). Con verbose=True (o --verbose en la línea de órdenes) explica los pasos principales del cálculo con los números de los datos. El notebook demo_v0_0_9_reglas_asociacion.ipynb muestra cada funcionalidad sobre un dataset de ventas sintético.

Datos

El formato por defecto es el de Dataset_Market_Basket.csv: una línea por transacción (ticket) con sus ítems separados por comas, sin encabezado y con un número variable de ítems.

shrimp,almonds,avocado,vegetables mix
burgers,meatballs,eggs
chutney

from inteligenciartificial.reglasasociacion import Transacciones

tx = Transacciones.desde_csv("Dataset_Market_Basket.csv")   # el formato de cestas se detecta solo
# Transacciones(n_transacciones=7501, n_items=119, tamanio_medio=3.91)

También acepta el formato largo (Transacciones.desde_largo(df, "ticket", "producto"): una fila por ítem vendido), el binario (Transacciones.desde_binario(df): una columna 0/1 por ítem) o una lista de cestas (Transacciones([["pan", "leche"], ["pan"]])). Solo importa si un ítem está o no en la transacción.

Soporte, confianza y lift de una regla

Métrica	Fórmula frecuentista	Qué mide
soporte	n(X ∪ Y) / N	fracción de transacciones que contienen X e Y
confianza	n(X ∪ Y) / n(X)	estimación de P(Y | X)
lift	confianza / soporte(Y)	cuántas veces más probable es Y si está X (1 es independencia)

n(I) es el número de transacciones que contienen todos los ítems de I, y N el total.

from inteligenciartificial.reglasasociacion import soporte, confianza, lift, evaluar_regla

soporte(tx, ["light cream", "chicken"])     # 0.0045
confianza(tx, "light cream", "chicken")     # 0.2906
lift(tx, "light cream", "chicken")          # 4.8440
evaluar_regla(tx, "light cream", "chicken", verbose=True)   # las tres en un DataFrame de una fila, con la explicación

Estimación bayesiana (previa de Dirichlet)

Con bayesiano=True, cada regla reparte las N transacciones en una tabla 2 × 2 (con o sin X, con o sin Y). Los conteos siguen una multinomial de probabilidades θ = (θ11, θ10, θ01, θ00) con previa Dirichlet(α11, α10, α01, α00). Como la Dirichlet es conjugada de la multinomial, la posterior es Dirichlet(n11 + α11, n10 + α10, n01 + α01, n00 + α00), y:

• soporte = θ11, con media exacta (n11 + α11) / (N + A), donde A = α11 + α10 + α01 + α00;
• confianza = θ11 / (θ11 + θ10) ~ Beta(n11 + α11, n10 + α10), con media exacta (n11 + α11) / (n(X) + α11 + α10);
• lift = θ11 / ((θ11 + θ10)(θ11 + θ01)) no tiene forma cerrada: su media se estima con n_muestras sorteos de la posterior (reproducibles con seed).

También se obtienen los intervalos de credibilidad del nivel credibilidad (columnas soporte_inf, soporte_sup, confianza_inf, confianza_sup, lift_inf y lift_sup) y p_lift_mayor_1, la probabilidad posterior de que el lift supere 1.

Previa	Hiperparámetros	Con pocos datos
previa="simetrica" (por defecto)	Dirichlet(α, α, α, α), o cuatro valores en alpha	la confianza se acerca a 1/2 (α = 1 es Laplace; α = 0.5, Jeffreys)
previa="independencia"	Dirichlet(2αp, 2α(1 - p), 2αp, 2α(1 - p)), con p = n(Y) / N	la confianza se acerca a P(Y) y el lift a 1 (estimador m de Cestnik, con m = 2α)

Con ítems raros, la previa simétrica puede inflar el lift, incluso el de dos ítems que nunca aparecen juntos; en ese caso conviene previa="independencia".

evaluar_regla(tx, "light cream", "chicken", bayesiano=True, alpha=1, seed=7)
# soporte 0.0047 [0.0032, 0.0063] · confianza 0.2941 [0.2160, 0.3784] · lift 4.90 [3.61, 6.27] · P(lift > 1) = 1

Reglas y top N

ReglasAsociacion busca los itemsets frecuentes con Apriori (soporte n(I) / N ≥ soporte_min), genera todas las reglas X → Y de cada itemset, estima sus métricas, filtra por confianza_min y lift_min (en la bayesiana, con las medias posteriores) y ordena por ordenar_por. top(n, por=...) devuelve el top N según lift, soporte o confianza.

from inteligenciartificial.reglasasociacion import ReglasAsociacion

ra = ReglasAsociacion(soporte_min=0.003, confianza_min=0.2, lift_min=1).fit(tx)
# [ReglasAsociacion] Transacciones: 7501 | Itemsets frecuentes: 1443 | Reglas: 1355 | Tiempo: … | Throughput: …

ra.top(10, por="lift")                    # también por="soporte" o por="confianza"
print(ra.reporte(10, por="confianza"))    # la misma tabla, como texto
ra.reglas_                                # todas las reglas
ra.itemsets_                              # itemsets frecuentes
ra.guardar_csv("reglas.csv")

# Bayesiana, explicando cada paso
ReglasAsociacion(soporte_min=0.003, confianza_min=0.2, bayesiano=True, alpha=1, seed=7, verbose=True).fit(tx)

• Columnas de reglas_: antecedente y consecuente (tuplas de ítems), regla (texto), n_xy, n_x, n_y (conteos), soporte, confianza, lift y, en la bayesiana, los intervalos y p_lift_mayor_1.
• En la bayesiana, el top también se puede ordenar por otra columna: top(10, por="lift_inf") favorece las reglas con más evidencia.
• max_longitud limita los ítems por regla; itemsets_frecuentes(tx, soporte_min=0.02, verbose=True) devuelve solo los itemsets frecuentes.

Línea de órdenes

python -m inteligenciartificial.reglasasociacion Dataset_Market_Basket.csv --soporte-min 0.003 --confianza-min 0.2 --top 10 --ordenar-por lift
python -m inteligenciartificial.reglasasociacion Dataset_Market_Basket.csv --soporte-min 0.003 --confianza-min 0.2 --bayesiano --alpha 1 --seed 7 --verbose
python -m inteligenciartificial.reglasasociacion Dataset_Market_Basket.csv --antecedente pasta --consecuente escalope --bayesiano
python -m inteligenciartificial.reglasasociacion --help

Imprime la tabla del top N; con --verbose, precedida de la explicación de cada paso. --salida reglas.csv y --salida-itemsets itemsets.csv guardan los resultados, y --formato largo|binario (con --col-transaccion y --col-item) lee los otros formatos.

Dependencias

• numpy >= 1.23
• pandas >= 1.5
• scikit-learn >= 1.5
• Opcional, para los gráficos PNG de FuerzaBruta, LearningCurveDisplay y los del notebook de reglas de asociación: matplotlib >= 3.6 (pip install "inteligenciartificial[graficos]")

Las reglas de asociación solo usan numpy y pandas.

Licencia

MIT