|
|
|
from startModel import *
|
|
|
|
from cleanData import *
|
|
|
|
from sklearn.model_selection import train_test_split
|
|
|
|
from analyse import *
|
|
|
|
import sys
|
|
|
|
# Définition d'un label encoder pour changer les string en index
|
|
|
|
label_encoder = LabelEncoder()
|
|
|
|
# Récupération des valeurs X,y et d'un dataframe inchangé
|
|
|
|
X, y, df = getData(label_encoder)
|
|
|
|
# Séparation des différentes parties attendus pour faire le test et l'apprentissage du model sélectionnée
|
|
|
|
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.30, random_state=50)
|
|
|
|
|
|
|
|
model = startRandomForest(X_train, X_test, y_train, y_test)
|
|
|
|
#model=startKNN(X_train,X_test,y_train,y_test)
|
|
|
|
#model=startSVM(X_train,X_test,y_train,y_test)
|
|
|
|
#model=startDecisionTree(X_train,X_test,y_train,y_test)
|
|
|
|
#model=startLogisticRegression(X_train,X_test,y_train,y_test)
|
|
|
|
#model=startLinearSVC(X_train,X_test,y_train,y_test)
|
|
|
|
#model=startNaiveBayes(X_train,X_test,y_train,y_test)
|
|
|
|
|
|
|
|
# Insertion des valeurs pour la prédiction
|
|
|
|
combattantR = input("Combattant Rouge ?: ")
|
|
|
|
combattantB = input("Combattant Bleu ?: ")
|
|
|
|
poids = input("Poids ?: ")
|
|
|
|
belt = input("Ceinture ?: ")
|
|
|
|
|
|
|
|
# Récupération des valeurs indispensables pour la prédiction
|
|
|
|
fr=getFighterStats(df, label_encoder, combattantR)
|
|
|
|
fb=getFighterStats(df, label_encoder, combattantB)
|
|
|
|
|
|
|
|
# Prédiction auprès du model sélectionnée
|
|
|
|
winner = predict(fr, fb, belt, model, poids)
|
|
|
|
|
|
|
|
# Affichage du gagnant prédit
|
|
|
|
if winner == 0:
|
|
|
|
print(combattantR)
|
|
|
|
else:
|
|
|
|
print(combattantB)
|