kernelparcial 0.1.0

library ML

Kernels

Esta es una clase de Python que implementa el kernel gaussiano, kernel tricúbico y kernel Epanechnikov para suavizar una serie de tiempo. Esta clase permite cargar datos desde un archivo CSV, suavizar la serie de tiempo y graficar tanto la serie original como la suavizada.

Requisitos

Asegúrate de tener instaladas las siguientes bibliotecas antes de utilizar esta clase:

• pandas
• numpy
• matplotlib

Puedes instalarlas utilizando pip:

pip install pandas numpy matplotlib

Uso

from kernelparcial import Kernels

# Inicializa la clase con la ruta del archivo CSV y el valor de sigma (parámetro de suavizado)
kernels = Kernels("archivo.csv", sigma)

# Grafica la serie de tiempo original y suavizada con el Kernel Gaussiano.
kernels.PlotGaussianKernel()

# Grafica la serie de tiempo original y suavizada con el Kernel Tricúbico .
kernels.PlotTricubeKernel()

# Grafica la serie de tiempo original y suavizada con el Kernel Epanechnikov.
kernels.PlotEpanechnikovKernel()

#Grafica la serie de tiempo original y la suavizada con los Kernel Gaussianos, Tricúbico y Epanechnikov.
kernels.PlotAllKernels()

Parámetros

• data (str): Ruta del archivo CSV con los datos de la serie de tiempo.
• sigma (float): Parámetro de suavizado.

Nota: El archivo CSV debe contener dos columnas con los nombres 'fecha_actualizacion' y 'nuevos_casos' para que esta clase funcione correctamente.

Ejemplo

kernel = KernelGaussiano("datos_covid.csv", 3.0)
kernel.PlotAllKernels()

Créditos

Esta librería fue desarrollada por Luciano Muñoz.

Contacto

Si tienes alguna pregunta o comentario, no dudes en ponerte en contacto conmigo a través de mi correo electrónico: [[e-mail]].