def printTauxErreur(self):
logProbabiliteTrain = self.classifieur.computePredictions(self.trainSet[:, :-1])
classesPreditesTrain = logProbabiliteTrain.argmax(1) + 1
logProbabiliteValidation = self.classifieur.computePredictions(self.validationSet[:, :-1])
classesPreditesValidation = logProbabiliteValidation.argmax(1) + 1
tauxErreur = classifieur_bayes.calculateTauxErreur(self.iris, classesPreditesTrain, classesPreditesValidation)
classifieur_bayes.afficherTauxErreur(tauxErreur[0], tauxErreur[1], self.d)
def calculErreurs(self, sigmas):
tauxErreurs = []
for i in sigmas:
sigma = i/100.
args = {'sigma': sigma}
classifieur = classifieur_bayes.creerClassifieur(self.trainSet, "parzen", 3, args)
logProbabiliteTrain = classifieur.computePredictions(self.trainSet[:, :-1])
classesPreditesTrain = logProbabiliteTrain.argmax(1)+1
logProbabiliteValidation = classifieur.computePredictions(self.validationSet[:, :-1])
classesPreditesValidation = logProbabiliteValidation.argmax(1)+1
tauxErreurs.append(classifieur_bayes.calculateTauxErreur(self.iris, classesPreditesTrain, classesPreditesValidation))
tauxErreurs = np.array(tauxErreurs)
sigmaMinIndex = np.argmin(tauxErreurs[:, 1])
sigmaMin = sigmas[sigmaMinIndex]/100.
classifieur_bayes.afficherTauxErreur(tauxErreurs[np.argmin(tauxErreurs[:, 1]), 0], tauxErreurs[np.argmin(tauxErreurs[:, 1]), 1], self.d, sigmaMin)
for i in range(len(sigmas)):
sigmas[i] /= 100.0
pyplot.plot(sigmas, tauxErreurs[:, 0], c="red")
pyplot.plot(sigmas, tauxErreurs[:, 1], c="green")
pyplot.xlabel("Sigma")
pyplot.ylabel("Taux d'erreur")
pyplot.title("Courbes d'apprentissage")
red = mpatches.Patch(color="red", label="Erreur d'apprentissage")
green = mpatches.Patch(color="green", label="Erreur de validation")
pyplot.legend(handles=[red, green])
fileTitle = 'bayes_parzen_'+str(self.d)+'d.png'
pyplot.savefig(fileTitle)
print("[Created] file : " + fileTitle)
#pyplot.show()
pyplot.close()
