def test(trd, trc, ted, tec):
X1, Y1 = bootstrap_data(trd, trc, round(len(trd) * .5))
X2, Y2 = bootstrap_data(trd, trc, round(len(trd) * .5))
base = bases[np.random.randint(len(bases))]
gd = GradBoost(base, 10, X1, Y1)
print('gd', '\n')
print(gd, '\n')
err = gd.mse(ted, tec)
print('gd.mse =', err, '\n')
print('gd.predict(ted)')
print(gd.predict(ted))
print('gd.get_n()')
print(gd.get_n())
gd.train(base, 6, X2, Y2)
print('gd.get_n()')
print(gd.get_n())
err = gd.mse(ted, tec)
print('gd.mse =', err, '\n')
print('gd.predict(ted)')
print(gd.predict(ted))
return err
def test(trd, trc, ted, tec):
X1, Y1 = bootstrap_data(trd, trc, round(len(trd) * .5))
X2, Y2 = bootstrap_data(trd, trc, round(len(trd) * .5))
base = bases[np.random.randint(len(bases))]
ab = AdaBoost(base, 10, X1, Y1)
print('ab', '\n')
print(ab)
err = ab.err(ted, tec)
print('err =', err)
print('ab.n_ensemble')
print(ab.n_ensemble)
ab.train(base, 7, X2, Y2)
print('ab.n_ensemble')
print(ab.n_ensemble)
err = ab.err(ted, tec)
print('err =', err)
return err
def test(trd, trc, ted, tec):
X1,Y1 = bootstrap_data(trd, trc, round(len(trd) * .5))
X2,Y2 = bootstrap_data(trd, trc, round(len(trd) * .5))
base = bases[np.random.randint(len(bases))]
gd = GradBoost(base, 10, X1, Y1)
print('gd', '\n')
print(gd, '\n')
err = gd.mse(ted, tec)
print('gd.mse =', err, '\n')
print('gd.predict(ted)')
print(gd.predict(ted))
print('gd.get_n()')
print(gd.get_n())
gd.train(base, 6, X2, Y2)
print('gd.get_n()')
print(gd.get_n())
err = gd.mse(ted, tec)
print('gd.mse =', err, '\n')
print('gd.predict(ted)')
print(gd.predict(ted))
return err
################################################################################
################################################################################
################################################################################
################################################################################
## MAIN ########################################################################
################################################################################
if __name__ == '__main__':
data, predictions = load_data_from_csv('../data/regressor-data.csv', -1,
float)
data, predictions = arr(data), arr(predictions)
data, predictions = bootstrap_data(data, predictions, 1000)
# bases = [LinearRegress, LogisticRegress, KNNRegress, TreeRegress]
bases = [KNNRegress]
def test(trd, trc, ted, tec):
X1, Y1 = bootstrap_data(trd, trc, round(len(trd) * .5))
X2, Y2 = bootstrap_data(trd, trc, round(len(trd) * .5))
base = bases[np.random.randint(len(bases))]
gd = GradBoost(base, 10, X1, Y1)
print('gd', '\n')
print(gd, '\n')
err = gd.mse(ted, tec)
################################################################################
################################################################################
################################################################################
################################################################################
## MAIN ########################################################################
################################################################################
if __name__ == '__main__':
## RANDOM TESTING ##############################################################
X,Y = load_data_from_csv('../data/binary.csv', 4, float)
X,Y = bootstrap_data(X, Y, 1000)
# X,mu,scale = rescale(X)
Xtr,Xte,Ytr,Yte = split_data(X, Y, .8)
nc = NNetClassify(Xtr, Ytr, [4,2,3,2], init='random', max_steps=5000, activation='htangent')
print(nc.get_weights())
print(nc)
print(nc.predict(Xte))
print(nc.predict_soft(Xte))
print(nc.err(Xte, Yte))
## DETERMINISTIC TESTING #######################################################
# data = [[float(val) for val in row[:-1]] for row in csv.reader(open('../data/classifier-data.csv'))]
# trd = np.asarray(data[0:40] + data[50:90] + data[100:140])
# ted = np.asarray(data[40:50] + data[90:100] + data[140:150])
################################################################################
################################################################################
################################################################################
################################################################################
## MAIN ########################################################################
################################################################################
if __name__ == '__main__':
data,predictions = load_data_from_csv('../data/regressor-data.csv', -1, float)
data,predictions = arr(data), arr(predictions)
data,predictions = bootstrap_data(data, predictions, 1000)
# bases = [LinearRegress, LogisticRegress, KNNRegress, TreeRegress]
bases = [KNNRegress]
def test(trd, trc, ted, tec):
X1,Y1 = bootstrap_data(trd, trc, round(len(trd) * .5))
X2,Y2 = bootstrap_data(trd, trc, round(len(trd) * .5))
base = bases[np.random.randint(len(bases))]
gd = GradBoost(base, 10, X1, Y1)
print('gd', '\n')
print(gd, '\n')
err = gd.mse(ted, tec)
