Python/hw2_.py - main - Demek/DSam621

Python/hw2_.py
254 строки11 KB
d_e_m_e_k
обновление ДЗ2 добавил обучение
07 июн 2026, 12:30
07 июн 2026, 12:309399f0f
import warnings
import os
import numpy as np
import tensorflow as tf
from tensorflow import keras
import random

# Скрыть предупреждения
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'
warnings.filterwarnings("ignore", category=UserWarning, module="keras")


def get_non_negative_float(prompt):
    while True:
        try:
            value = float(input(prompt))
            if value < 0:
                print("❌ Ошибка: значение не может быть отрицательным. Попробуйте снова.")
                continue
            return value
        except ValueError:
            print("❌ Ошибка: введите корректное число.")


def get_positive_int(prompt):
    while True:
        try:
            value = int(input(prompt))
            if value <= 0:
                print("❌ Ошибка: значение должно быть больше нуля. Попробуйте снова.")
                continue
            return value
        except ValueError:
            print("❌ Ошибка: введите целое число.")


def normalize_input(total_sum, quantity, avg_price_per_item, discount_percent):
    return np.array([
        min(total_sum / 20000, 1.0),
        min(quantity / 20, 1.0),
        min(avg_price_per_item / 3000, 1.0),
        min(discount_percent / 100, 1.0)
    ])


def generate_synthetic_data(n_samples=100):
    """
    Генерирует реалистичные данные для обучения:
    - Сумма: от 500 до 15000
    - Кол-во товаров: от 1 до 20
    - Скидка: от 0 до 30%
    - Решение (1 или 0) основано на простых правилах
    """
    X = []
    y = []
    for _ in range(n_samples):
        total_sum = random.uniform(500, 15000)
        quantity = random.randint(1, 20)
        discount_percent = random.uniform(0, 30)
        avg_price = total_sum / quantity

        # Простое "правило покупки": если выгодно
        decision = int(
            total_sum > 4000 or
            discount_percent > 10 or
            quantity > 8 or
            avg_price > 600
        )
        X.append(normalize_input(total_sum, quantity, avg_price, discount_percent))
        y.append(decision)
    return np.array(X), np.array(y)


def create_model():
    model = keras.Sequential([
        keras.layers.Input(shape=(4,)),
        keras.layers.Dense(8, activation='relu'),
        keras.layers.Dense(1, activation='sigmoid')
    ])
    model.compile(optimizer='adam',
                  loss='binary_crossentropy',
                  metrics=['accuracy'])
    return model


# === Главная логика ===

model_path = "shopping_model.h5"

print("=" * 60)
print("📊 СИСТЕМА АНАЛИЗА ПОКУПОК — С ИСКУССТВЕННЫМ ИНТЕЛЛЕКТОМ")
print("=" * 60)

# === Шаг 1: Запрос данных (один раз) ===
total_sum = get_non_negative_float("Введите сумму покупок (руб.): ")
quantity = get_positive_int("Введите количество товаров: ")
discount_percent = get_non_negative_float("Введите скидку (%, 0–100): ")

if discount_percent > 100:
    print("⚠️  Скидка > 100% → устанавливаем 0%.")
    discount_percent = 0

# Расчёты
discount_amount = total_sum * discount_percent / 100
price_after_base_discount = total_sum - discount_amount
avg_price_per_item = total_sum / quantity

additional_discount = 0.0
if price_after_base_discount > 5000:
    additional_discount = price_after_base_discount * 0.10

final_sum = price_after_base_discount - additional_discount
free_shipping = quantity > 10


# === Шаг 2: Работа с нейросетью ===
X_input = normalize_input(total_sum, quantity, avg_price_per_item, discount_percent)
X_input = X_input.reshape(1, -1)

if os.path.exists(model_path):
    print("\n📂 Модель найдена — загружаем...")
    model = keras.models.load_model(model_path)

    # === Опциональное дообучение на ваших данных ===
    prediction = model.predict(X_input)[0][0]
    current_decision = 1 if prediction >= 0.5 else 0

    print("\n" + "─" * 60)
    print("🧠 ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ ПРИНЯЛ РЕШЕНИЕ")
    print("─" * 60)
    print(f"→ Вероятность покупки: {prediction*100:.1f}%")
    print(f"→ Рекомендация: {'✅ Покупаем!' if current_decision == 1 else '⏳ Лучше отложить'}")
    print("   (Модель обучена на синтетических и ваших предыдущих данных)")
else:
    # === Генерация синтетических данных ===
    print("\n🧠 Генерация синтетических данных (100 примеров)...")
    X_train_synthetic, y_train_synthetic = generate_synthetic_data(n_samples=100)

    # === Создание и обучение модели ===
    print("🧠 Обучение модели на синтетических данных...")
    model = create_model()
    model.fit(X_train_synthetic, y_train_synthetic, epochs=50, verbose=0)

    # === Опциональное дообучение на ваших примерах ===
    try:
        user_choice = int(input("\nХотите добавить свои 1–2 примера для адаптации? (1 — да, 0 — нет): "))
        if user_choice == 1:
            print("\n📝 Введите свои примеры (можно 1–2):")
            X_user, y_user = [], []
            num = int(input("Сколько примеров? (1 или 2): "))
            for i in range(num):
                print(f"\nПример #{i+1}:")
                train_sum = get_non_negative_float("  Сумма покупки (руб.): ")
                train_qty = get_positive_int("  Количество товаров: ")
                train_disc = get_non_negative_float("  Скидка (%): ")
                train_avg = train_sum / train_qty

                X_user.append(normalize_input(train_sum, train_qty, train_avg, train_disc))

                while True:
                    try:
                        y = int(input("  Решение (1 — покупать, 0 — отложить): "))
                        if y not in (0, 1):
                            raise ValueError
                        y_user.append(y)
                        break
                    except ValueError:
                        print("  ⚠️  Введите 1 или 0.")

            X_train = np.vstack([X_train_synthetic, np.array(X_user)])
            y_train = np.concatenate([y_train_synthetic, np.array(y_user)])

            print("\nДообучение модели на ваших данных...")
            model.fit(X_train, y_train, epochs=30, verbose=0)
    except ValueError:
        print("  ⚠️  Введено некорректное значение — пропускаем дообучение.")

    model.save(model_path)
    print(f"✅ Модель сохранена в {model_path}")

    # Показываем прогноз для ВАШИХ данных
    prediction = model.predict(X_input)[0][0]
    current_decision = 1 if prediction >= 0.5 else 0
    print(
        f"\n→ Для текущих данных: {prediction*100:.1f}% → {'✅ Покупаем!' if current_decision == 1 else '⏳ Лучше отложить'}")


# === Шаг 3: Вывод отчёта ===
print("\n" + "─" * 60)
print("🧾 ФИНАЛЬНЫЙ ЧЕК")
print("─" * 60)

print(f"🔹 Исходная сумма корзины:       {total_sum:10.2f} руб.")
print(f"🔹 Базовая скидка ({discount_percent:.1f}%):      -{discount_amount:10.2f} руб.")
print(f"🔹 Цена после скидки:           {price_after_base_discount:10.2f} руб.")

if additional_discount > 0:
    print(f"🔹 Доп. скидка 10% (за >5000):  -{additional_discount:10.2f} руб.")

print(f"🔹 ИТОГО К ОПЛАТЕ:             {final_sum:10.2f} руб.")

print("\n" + "─" * 60)
print("📈 АНАЛИЗ КОРЗИНЫ")
print("─" * 60)

print(f"🔹 Количество товаров:           {quantity} шт.")
print(f"🔹 Средняя стоимость товара:    {avg_price_per_item:10.2f} руб.")
print(f"🔹 Бесплатная доставка:          {'✅ Да' if free_shipping else '❌ Нет'}")

print("\n" + "─" * 60)
print("💡 РЕКОМЕНДАЦИИ ПО ОПТИМИЗАЦИИ")
print("─" * 60)

has_recommendations = False

if not free_shipping:
    needed = 11 - quantity
    print(f"• Чтобы получить бесплатную доставку:")
    print(f"  → Добавьте ещё {needed} товар(а/ов) ✨")
    has_recommendations = True

if price_after_base_discount <= 5000:
    needed = 5000 - price_after_base_discount
    print(f"• Чтобы активировать доп. скидку 10%:")
    print(f"  → Потратьте ещё на {needed:.2f} руб. 💰")
    has_recommendations = True

if avg_price_per_item < 500:
    print(f"• Средняя стоимость товара низкая ({avg_price_per_item:.0f} руб.)")
    print(f"  → Рассмотрите возможность добавить 1–2 более дорогих позиции 🛍️")
    has_recommendations = True

if not has_recommendations:
    print("✅ Вы уже получили все возможные бонусы — отлично сработано! 🎉")

print("\n" + "─" * 60)
print("🏆 ИТОГОВАЯ ОЦЕНКА СДЕЛКИ")
print("─" * 60)

discount_total_percent = (total_sum - final_sum) / total_sum * 100 if total_sum > 0 else 0
print(f"🔹 Вы сэкономили: {total_sum - final_sum:.2f} руб. ({discount_total_percent:.1f}% от суммы)")

if discount_total_percent > 15:
    print("🔥 Отличная сделка! Вы максимально использовали бонусы магазина! 🎉")
elif discount_total_percent > 8:
    print("👍 Хорошая скидка — вы близки к максимальной выгоде!")
elif discount_total_percent > 0:
    print("✅ Скидка применена — стоит обратить внимание на рекомендации!")
else:
    print("ℹ️  Скидка не применена — добавьте 5000+ руб. для активации бонусов.")

print("=" * 60)
print("📄 Отчёт сгенерирован успешно.")
print("=" * 60)