Rename pages/Fórmula.py to pages/Estadística.py

pages/Estadística.py

@@ -0,0 +1,43 @@
+import streamlit as st
+
+st.set_page_config(
+    page_title = 'Patacotrón',
+    layout= 'wide',
+    initial_sidebar_state = 'collapsed',
+    menu_items = {
+        "About" : 'Proyecto ideado para la investigación de "Clasificación de imágenes de una sola clase con algortimos de Inteligencia Artificial".',
+        "Report a Bug" : 'https://docs.google.com/forms/d/e/1FAIpQLScH0ZxAV8aSqs7TPYi86u0nkxvQG3iuHCStWNB-BoQnSW2V0g/viewform?usp=sf_link'
+    }
+)
+
+st.title("Estadística")
+st.caption("Se tuvo presente dos tipos de análisis: ")
+
+with st.sidebar:
+    st.write("contact@patacotron.tech")
+
+with st.expander("Eficiencia"):
+    col1, col2 = st.columns(2)
+    with col1:
+        st.write('La eficiencia está descrita de la siguiente manera: ')
+        st.write('Para clases positivas: ')
+        st.latex(r'''E = \frac{(S * {S}')+(P * {P}')}{{S}'+{P}'}''')
+        st.write('Para clases negativas: ')
+        st.latex(r'''E = \frac{(S * {S}')+((1-P) * {P}')}{{S}'+{P}'}''')
+        
+    with col2:
+        st.write('Donde:')
+        st.write('S es la puntuación (score) normalizada entre 0 y 1, donde por cada imagen sumaba un punto y por cada falso positivo se le restaba otro. La franja para predecir la clase como positiva fue de encima del 80%')
+        st.write('P es la predicción promedio entre 0 y 1 para todas las imágenes de la carpeta.')
+        st.write("S′ y P′ son los pesos para cada variable, en este caso, la predicción tuvo un peso de 1.2")
+        st.write("El rango de la fórmula es de [0, 1), representando 1 un modelo con la mayor eficiencia posible que generaliza bien y es igualmente bueno para predecir clases positivas y anómalas. [Repositorio en Github](https://github.com/frncscp/efficiency)")
+    
+with st.expander("Matriz de confusión"):
+    col3, col4 = st.columns(2)
+    with col3:
+        st.write('Las matrices de confusión dan una descripción detallada de las tendencias de los modelos en su forma de clasificación.')
+        st.write('Tiene en cuenta las inferencias correctas (verdaderos positivos y negativos) e incorrectas (falsos positivos y negativos)')
+
+    with col4:
+        st.image("https://pieriantraining.com/wp-content/uploads/sites/2/2023/05/confusion_matrix-1024x683.png")
+        

pages/Fórmula.py

@@ -1,33 +0,0 @@
-import streamlit as st
-
-st.set_page_config(
-    page_title = 'Patacotrón',
-    layout= 'wide',
-    initial_sidebar_state = 'collapsed',
-    menu_items = {
-        "About" : 'Proyecto ideado para la investigación de "Clasificación de imágenes de una sola clase con algortimos de Inteligencia Artificial".',
-        "Report a Bug" : 'https://docs.google.com/forms/d/e/1FAIpQLScH0ZxAV8aSqs7TPYi86u0nkxvQG3iuHCStWNB-BoQnSW2V0g/viewform?usp=sf_link'
-    }
-)
-
-st.title("Eficiencia")
-
-with st.sidebar:
-    st.write("contact@patacotron.tech")
-
-col1, col2 = st.columns(2)
-
-with col1:
-    st.write('La fórmula está descrita de la siguiente manera: ')
-    st.write('Para clases positivas: ')
-    st.latex(r'''E = \frac{(S * {S}')+(P * {P}')}{{S}'+{P}'}''')
-    st.write('Para clases negativas: ')
-    st.latex(r'''E = \frac{(S * {S}')+((1-P) * {P}')}{{S}'+{P}'}''')
-
-with col2:
-    st.write('Donde:')
-    st.write('S es la puntuación (score) normalizada entre 0 y 1, donde por cada imagen sumaba un punto y por cada falso positivo se le restaba otro. La franja para predecir la clase como positiva fue de encima del 80%')
-    st.write('P es la predicción promedio entre 0 y 1 para todas las imágenes de la carpeta.')
-    st.write("S′ y P′ son los pesos para cada variable, en este caso, la predicción tuvo un peso de 1.2")
-    st.write("El rango de la fórmula es de [0, 1), representando 1 un modelo con la mayor eficiencia posible que generaliza bien y es igualmente bueno para predecir clases positivas y anómalas. ")
-    st.write('[Repositorio en Github](https://github.com/frncscp/efficiency)')