else:
aciertosPorClase[clase] += 1
procentajeError = error / float(instances.getNumeroInstances())
print 'Error medio: ' + str(procentajeError)
for clase in instances.getClases():
sumaAux = float(erroresPorClase[clase] + aciertosPorClase[clase])
print '\t' + clase + ': ' + str(
erroresPorClase[clase]) + ' aciertos: ' + str(
aciertosPorClase[clase]) + ' porcentaje: ' + str(
erroresPorClase[clase] / sumaAux)
"""pruebas unitarias"""
if __name__ == '__main__':
lector = LectorNeuro()
instances = lector.leerFichero('../data/nand.txt')
porcentajeParticionado = 1.0
particionado = DivisionPorcentual()
particionado.setPortcentajeTrain(porcentajeParticionado)
particion = particionado.generaParticionesProporcional(instances)
print "Adaline"
clasificador = Adaline()
clasificador.setDebug(True)
clasificador.buildClassifier(particion.getTrain())
print "Error TRAIN:"
calculaError(clasificador, particion.getTrain())
if porcentajeParticionado != 1.0:
print "Error TEST:"
if prediccion != clase:
erroresPorClase[clase] += 1
error += 1.0
else:
aciertosPorClase[clase] += 1
procentajeError = error / float(instances.getNumeroInstances())
print 'Error medio: ' + str(procentajeError)
for clase in instances.getClases():
sumaAux = float(erroresPorClase[clase] + aciertosPorClase[clase])
print '\t'+ clase + ': ' + str(erroresPorClase[clase]) + ' aciertos: ' + str(aciertosPorClase[clase]) + ' porcentaje: ' + str(erroresPorClase[clase] / sumaAux)
"""pruebas unitarias"""
if __name__ == '__main__':
lector = LectorNeuro()
instances = lector.leerFichero('../data/problema_real2_combinacion.txt');
porcentajeParticionado = 1.0
particionado = DivisionPorcentual()
particionado.setPortcentajeTrain(porcentajeParticionado)
particion = particionado.generaParticionesProporcional(instances)
print "Adaline"
clasificador = Adaline()
clasificador.setDebug(True)
clasificador.buildClassifier(particion.getTrain())
print "Error TRAIN:"
calculaError(clasificador, particion.getTrain())
if porcentajeParticionado != 1.0:
print "Error TEST:"
else:
aciertosPorClase[clase] += 1
procentajeError = error / float(instances.getNumeroInstances())
print 'Error medio: ' + str(procentajeError)
for clase in instances.getClases():
sumaAux = float(erroresPorClase[clase] + aciertosPorClase[clase])
print '\t' + clase + ': ' + str(
erroresPorClase[clase]) + ' aciertos: ' + str(
aciertosPorClase[clase]) + ' porcentaje: ' + str(
erroresPorClase[clase] / sumaAux)
"""pruebas unitarias"""
if __name__ == '__main__':
lector = LectorNeuro()
instances = lector.leerFichero('../data/problema_real2.txt')
porcentajeParticionado = 0.7
particionado = DivisionPorcentual()
particionado.setPortcentajeTrain(porcentajeParticionado)
particion = particionado.generaParticionesProporcional(instances)
print "Adaline"
clasificador = Adaline()
clasificador.setDebug(True)
clasificador.buildClassifier(particion.getTrain())
print "Error TRAIN:"
calculaError(clasificador, particion.getTrain())
if porcentajeParticionado != 1.0:
print "Error TEST:"
return procentajeError
if __name__ == '__main__':
if len(sys.argv) != 6:
print "Error en la llamada. Se esperan los siguientes argumentos:"
print "\t1.- Nombre del fichero con los datos del problema."
print "\t2.- El porcentaje del conjunto de train. Expresar como un numero entre 0 y 1 utilizando el punto como divisor decimal."
print "\t3.- La tasa de aprendizaje."
print "\t4.- El numero de neuronas de la capa oculta."
print "\t5.- El nombre del fichero donde debe escribirse el error cuadratico medio en cada epoca. Se borrara el fichero si ya existe."
print "Ejemplo de llamada: python main.py xor.txt 1 0.1 2 xor_error.txt"
sys.exit(-1)
lector = LectorNeuro()
instances = lector.leerFichero(sys.argv[1])
instances.normaliza()
porcentajeParticionado = float(sys.argv[2])
particionado = DivisionPorcentual()
particionado.setPorcentajeTrain(porcentajeParticionado)
particion = particionado.generaParticionesProporcional(instances)
print "Multilayer Perceptron"
clasificador = RedNeuronal()
clasificador.setParameters('nNeuronas=' + sys.argv[4])
clasificador.setParameters('alpha=' + sys.argv[3])
clasificador.setParameters('nEpocas=1000')
clasificador.setParameters('debugFile=' + sys.argv[5])
clasificador.setDebug(True)
if __name__ == '__main__':
if len(sys.argv) != 6:
print "Error en la llamada. Se esperan los siguientes argumentos:"
print "\t1.- Nombre del fichero con los datos del problema."
print "\t2.- El porcentaje del conjunto de train. Expresar como un numero entre 0 y 1 utilizando el punto como divisor decimal."
print "\t3.- La tasa de aprendizaje."
print "\t4.- El numero de neuronas de la capa oculta."
print "\t5.- El nombre del fichero donde debe escribirse el error cuadratico medio en cada epoca. Se borrara el fichero si ya existe."
print "Ejemplo de llamada: python main.py xor.txt 1 0.1 2 xor_error.txt"
sys.exit(-1)
#random.seed(2)
lector = LectorNeuro()
instances = lector.leerFichero(sys.argv[1])
instances.normaliza()
porcentajeParticionado = float(sys.argv[2])
particionado = DivisionPorcentual()
particionado.setPorcentajeTrain(porcentajeParticionado)
particion = particionado.generaParticionesProporcional(instances)
"""
print "Multilayer Perceptron Random"
clasificador = RandomNeuralNetwork()
clasificador.setParameters('nNeuronas=' + sys.argv[4])
clasificador.setParameters('alpha=' + sys.argv[3])
clasificador.setParameters('nEpocas=1000')
clasificador.setParameters('debugFile=' + sys.argv[5])
else:
aciertosPorClase[clase] += 1
procentajeError = error / float(instances.getNumeroInstances())
print 'Error medio: ' + str(procentajeError)
for clase in instances.getClases():
sumaAux = float(erroresPorClase[clase] + aciertosPorClase[clase])
print '\t' + clase + ': ' + str(
erroresPorClase[clase]) + ' aciertos: ' + str(
aciertosPorClase[clase]) + ' porcentaje: ' + str(
erroresPorClase[clase] / sumaAux)
"""pruebas unitarias"""
if __name__ == '__main__':
lector = LectorNeuro()
instances = lector.leerFichero('../data/xor_combinacion.txt')
porcentajeParticionado = 1.0
particionado = DivisionPorcentual()
particionado.setPortcentajeTrain(porcentajeParticionado)
particion = particionado.generaParticionesProporcional(instances)
print "Adaline"
clasificador = Adaline()
clasificador.setDebug(True)
clasificador.buildClassifier(particion.getTrain())
print "Error TRAIN:"
calculaError(clasificador, particion.getTrain())
if porcentajeParticionado != 1.0:
print "Error TEST:"
else:
aciertosPorClase[clase] += 1
procentajeError = error / float(instances.getNumeroInstances())
print 'Error medio: ' + str(procentajeError)
for clase in instances.getClases():
sumaAux = float(erroresPorClase[clase] + aciertosPorClase[clase])
print '\t' + clase + ': ' + str(
erroresPorClase[clase]) + ' aciertos: ' + str(
aciertosPorClase[clase]) + ' porcentaje: ' + str(
erroresPorClase[clase] / sumaAux)
"""pruebas unitarias"""
if __name__ == '__main__':
lector = LectorNeuro()
instances = lector.leerFichero('../data/problema_real2.txt')
instancesSin = lector.leerFichero(
'../data/problema_real2_no_etiquetados.txt')
fPerceptron = open('../data/predicciones_perceptron.txt', 'w')
fAdaline = open('../data/predicciones_adaline.txt', 'w')
porcentajeParticionado = 0.7
particionado = DivisionPorcentual()
particionado.setPortcentajeTrain(porcentajeParticionado)
particion = particionado.generaParticionesProporcional(instances)
print "Adaline"
clasificador = Adaline()
clasificador.setDebug(True)
clasificador.buildClassifier(particion.getTrain())
if prediccion != clase:
erroresPorClase[clase] += 1
error += 1.0
else:
aciertosPorClase[clase] += 1
procentajeError = error / float(instances.getNumeroInstances())
print 'Error medio: ' + str(procentajeError)
for clase in instances.getClases():
sumaAux = float(erroresPorClase[clase] + aciertosPorClase[clase])
print '\t'+ clase + ' fallos: ' + str(erroresPorClase[clase]) + ' aciertos: ' + str(aciertosPorClase[clase]) + ' porcentaje: ' + str(erroresPorClase[clase] / sumaAux)
if __name__ == '__main__':
lector = LectorNeuro()
instances = lector.leerFichero('../data/problema_real1.txt')
instances.normaliza()
porcentajeParticionado = 0.8
particionado = DivisionPorcentual()
particionado.setPorcentajeTrain(porcentajeParticionado)
particion = particionado.generaParticionesProporcional(instances, True)
#clasificador = KNN()
clasificador = KNNGenetic()
clasificador.buildClassifier(particion.getTrain())
print "err Entrenamiento"
