def test_get_data(self):
# Observera att denna funktion lokalt anropar get_single_data,
# så om något test misslyckas - kontrollera först denna funktion
infoLog = IL.InformationLog()
# Hämta nyckeltalen i NYCKELTAL, åren i YEARS
keywords = NYCKELTAL.split(',')
years = YEARS.split(',')
# returnera alltid 290 kommuner
for keyword in keywords:
for year in years:
self.assertEqual(len(DF.get_data(keyword, year, infoLog)), 290)
# så länge inte året/nyckeltalet är fel
infoLog.reset()
with self.assertRaises(ValueError):
DF.get_data("ABC", year, infoLog)
infoLog.reset()
with self.assertRaises(ValueError):
DF.get_data(keyword, '1900', infoLog)
# men returnera aldrig en lista med enbart None-värden, vilket är det man får av denna kombo
infoLog.reset()
self.assertNotEqual(DF.get_data('N15572', '2018', infoLog),
[None] * 290)
self.assertEqual(len(DF.get_data('N15572', '2018', infoLog)), 290)
plot_tree = False
restore_tree = False
save = True
learning_curve = False
validation_curve = False
test = True
run_fmnist = True
run_chess = False
data_prop = 1
test_prop = 0.2
fmnist_trgX, fmnist_tstX, fmnist_trgY, fmnist_tstY = data_funcs.get_data(
'fmnist', data_prop, test_prop)
chess_trgX, chess_tstX, chess_trgY, chess_tstY = data_funcs.get_data(
'chess', data_prop, test_prop)
clf = tree.DecisionTreeClassifier()
# ms.validation_curve(tree.DecisionTreeClassifier(), fmnist_trgX, fmnist_trgY, )
if plot_tree:
tree.plot_tree(clf.fit(fmnistX, fmnistY))
dot_data = tree.export_graphviz(clf, out_file=None)
graph = graphviz.Source(dot_data)
graph.render("fmnist")
# Evaluate
# out = clf.predict(fmnist_tstX)
