class SVMIdentifierTestCase(unittest.TestCase):
def setUp(self):
sampler = T2DSampler()
self.testTable = sampler.getTestTable()
self.scIdentifier = SupervisedIdentifier(7, inverseCrossValidation=True, useColumnIndex=False)
def testSupervisedIdentifier(self):
"""
0 -- svm.SVC()
recall: 0.466666666667
false positives: 0.533333333333
1 -- svm.LinearSVC(),
recall: 0.2
false positives: 0.8
2 -- KNeighborsClassifier(),
recall: 0.533333333333
false positives: 0.6
3 -- SGDClassifier(),
recall: 0.733333333333
false positives: 0.266666666667
4 -- tree.DecisionTreeClassifier(),
recall: 0.733333333333
false positives: 0.266666666667
max_depth=5
recall: 0.8
false positives: 0.2
5 -- GradientBoostingClassifier()
recall: 0.533333333333
false positives: 0.466666666667
6 -- NearestCentroid()
recall: 0.416666666667
false positives: 0.958333333333
7 -- SGDClassifier(loss="perceptron", eta0=1, learning_rate="constant", penalty=None)
recall: 0.333333333333
false positives: 0.666666666667
"""
testTables = self.scIdentifier.getTestingTables()
annotatedTables = self.scIdentifier.getAnnotatedTables()
recall = 0
falsePositives = 0
for table in testTables:
subjectColumns = self.scIdentifier.identifySubjectColumn(table)
if table.subjectColumn in subjectColumns:
recall += 1
elif len(subjectColumns) > 0:
falsePositives += len(subjectColumns)
tableGuessedCorrectly = recall
recall = float(recall) / len(testTables)
precision_1 = float(falsePositives) / len(testTables)
fmeasure = recall*precision_1
print "table guessed: %s" % len(testTables)
print "table guessed correctly: %s" % tableGuessedCorrectly
print "table used for learning: %s" % len(annotatedTables)
def setUp(self):
sampler = T2DSampler()
self.testTable = sampler.getTestTable()
self.scIdentifier = SupervisedIdentifier(7, inverseCrossValidation=True, useColumnIndex=False)