#%% 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