plt.figure(figsize=(10, 7))
df_cm = DataFrame(final_result['best_cf'][i],
index=[i for i in range(2)],
columns=[i for i in range(2)])
sn.heatmap(df_cm, annot=True)
plt.title('Matriz de connfusão do KNN com acurácia de ' +
str(best_acc * 100) + "%")
plt.xlabel('Valor Esperado')
plt.ylabel('Valor Encontrado')
path = get_project_root() + '/run/TR-00/ARTIFICIAL/results/'
plt.savefig(path + "conf_result_knn.jpg")
plt.show()
xx, yy = generate_space(x_test)
space = c_[xx.ravel(), yy.ravel()]
point = {0: 'ro', 1: 'bo'}
marker = {0: 's', 1: 'D'}
# O clasificador da vigesima realização
plot_dict = {
'xx': xx,
'yy': yy,
'Z': array(best_acc_clf.predict(space)),
'classes': {}
}
# utilizando o x_test e o y_test da ultima realização
for c in [0, 1]:
for i in range(len(final_result['best_cf'])):
plt.figure(figsize=(10, 7))
df_cm = DataFrame(final_result['best_cf'][i],
index=[i for i in "01"],
columns=[i for i in "01"])
sn.heatmap(df_cm, annot=True)
path = get_project_root() + '/run/TR-035/ARTIFICIAL/results/'
plt.savefig(path + "mat_confsuison_hyper_triangle.jpg")
plt.show()
x = base[:, :2]
y = base[:, 2]
xx, yy = generate_space(x)
space = c_[xx.ravel(), yy.ravel()]
point = {0: 'ro', 1: 'bo'}
marker = {0: 's', 1: 'D'}
# O clasificador da vigesima realização
plot_dict = {
'xx': xx,
'yy': yy,
'Z': array(sigmoid_net.predict(space, [0, 1])),
'classes': {}
}
# utilizando o x_test e o y_test da ultima realização
for c in [0, 1]: