#%% Normalize data
scaler = preprocessing.StandardScaler().fit(Xtrain)
Xtrain = scaler.transform(Xtrain)
Xtest = scaler.transform(Xtest)
#################################################################
########################## DSN PARAMETERS ########################
#################################################################
L = 100
Nruns = 1 # These are 1 for Boosting !!
CV = 1
InitRandomSeed = -1
######## BOOSTING STOP CRITERION ########
sCBust = paC.Stop_Criterion("Nmax", [])
visual_DSN = DSN.DSN_visual(verbose=1,
store_layers_scores=1,
store_layers_soft_error=0,
plot_results_layers=0)
nP = 10
################################################################
#################### NEURAL NETWORM PARAMETERS ##################
#################################################################
nH = 20
fh_name = "tanh"
fo_name = "tanh"
errFunc = "MSE"
visual = 0
#%% Normalize data
scaler = preprocessing.StandardScaler().fit(Xtrain)
Xtrain = scaler.transform(Xtrain)
Xtest = scaler.transform(Xtest)
#################################################################
########################## GDSNBoost PARAMETERS ########################
#################################################################
L = 300 # Maximum number of layers
Nruns = 1 # Number of runs of this process
CV = 1 # K fold of the crossvalidation. If 1 -> Omniscient
InitRandomSeed = -1 # Random Seed to redo the same experiment.
sCBust = paC.Stop_Criterion("Nmax", []) ## BOOSTING STOP CRITERION
visual_GDSNBoost = DSNBoost.DSN_visual(verbose=1,
store_layers_scores=1,
store_layers_soft_error=0,
plot_results_layers=1)
Inyection = "WholeO" # WholeO PrevZo
Enphasis = "NeoBoosting" # RealAdaBoost NeoBoosting
alpha = 0.5
beta = 0.5
################################################################
#################### NEURAL NETWORM PARAMETERS ##################
#################################################################
nH = 4
