def get_parser(): parser = ArgumentParser() data.add_transformer_parser_arguments(parser) decision.add_decision_maker_parser_arguments(parser) parser.add_argument('action', choices=[ 'model', 'features', 'hmm-hyperparameters', 'hmm-initialization', 'fhmm', 'pca', 'end-to-end' ]) # action = features parser.add_argument( '--measure', choices=['aicc', 'hmm-distance', 'wasserstein', 'mahalanobis'], default='aicc') # Dataset options parser.add_argument('dataset', type=str) parser.add_argument('--features', type=str, nargs='*', default=None) parser.add_argument('--permutation', type=str, default=None) parser.add_argument('--disable-shuffle', action='store_true') parser.add_argument('--transform-to-multiclass', action='store_true') # Model option parser.add_argument('--model', choices=['hmm', 'fhmm-seq', 'fhmm-exact'], default='hmm') parser.add_argument('--topology', choices=[ 'left-to-right-full', 'left-to-right-1', 'left-to-right-2', 'full' ], default='left-to-right-1') parser.add_argument('--loglikelihood-method', choices=['exact', 'approx'], default='exact') parser.add_argument('--n-chains', type=int, default=2) parser.add_argument('--n-states', type=int, default=10) parser.add_argument('--n-training-iter', type=int, default=10) parser.add_argument('--covar-type', choices=['full', 'diag'], default='diag') parser.add_argument('--transition-init', choices=['random', 'uniform'], default='uniform') parser.add_argument('--emission-init', choices=['random', 'k-means'], default='k-means') # Evaluation options parser.add_argument('--n-iter', type=int, default=3) parser.add_argument('--n-jobs', type=int, default=1) parser.add_argument('--output-dir', type=str) parser.add_argument('--verbose', action='store_true') return parser
def get_parser(): parser = ArgumentParser() decision.add_decision_maker_parser_arguments(parser) data.add_transformer_parser_arguments(parser) # Dataset options parser.add_argument("classifier", choices=["log-regression", "svm", "decision-tree", "random-forest"]) parser.add_argument("dataset", type=str) # Evaluation options parser.add_argument("--output", type=str) parser.add_argument("--verbose", action="store_true") parser.add_argument("--n-jobs", type=int, default=1) parser.add_argument("--measure", choices=["f1", "accuracy"], default="f1") return parser
def get_parser(): parser = ArgumentParser() decision.add_decision_maker_parser_arguments(parser) data.add_transformer_parser_arguments(parser) # Dataset options parser.add_argument( 'classifier', choices=['log-regression', 'svm', 'decision-tree', 'random-forest']) parser.add_argument('dataset', type=str) # Evaluation options parser.add_argument('--output', type=str) parser.add_argument('--verbose', action='store_true') parser.add_argument('--n-jobs', type=int, default=1) parser.add_argument('--measure', choices=['f1', 'accuracy'], default='f1') return parser
def get_parser(): parser = ArgumentParser() data.add_transformer_parser_arguments(parser) decision.add_decision_maker_parser_arguments(parser) parser.add_argument('action', choices=['model', 'features', 'hmm-hyperparameters', 'hmm-initialization', 'fhmm', 'pca', 'end-to-end']) # action = features parser.add_argument('--measure', choices=['aicc', 'hmm-distance', 'wasserstein', 'mahalanobis'], default='aicc') # Dataset options parser.add_argument('dataset', type=str) parser.add_argument('--features', type=str, nargs='*', default=None) parser.add_argument('--permutation', type=str, default=None) parser.add_argument('--disable-shuffle', action='store_true') parser.add_argument('--transform-to-multiclass', action='store_true') # Model option parser.add_argument('--model', choices=['hmm', 'fhmm-seq', 'fhmm-exact'], default='hmm') parser.add_argument('--topology', choices=['left-to-right-full', 'left-to-right-1', 'left-to-right-2', 'full'], default='left-to-right-1') parser.add_argument('--loglikelihood-method', choices=['exact', 'approx'], default='exact') parser.add_argument('--n-chains', type=int, default=2) parser.add_argument('--n-states', type=int, default=10) parser.add_argument('--n-training-iter', type=int, default=10) parser.add_argument('--covar-type', choices=['full', 'diag'], default='diag') parser.add_argument('--transition-init', choices=['random', 'uniform'], default='uniform') parser.add_argument('--emission-init', choices=['random', 'k-means'], default='k-means') # Evaluation options parser.add_argument('--n-iter', type=int, default=3) parser.add_argument('--n-jobs', type=int, default=1) parser.add_argument('--output-dir', type=str) parser.add_argument('--verbose', action='store_true') return parser