errorg=[]

errortg=[]

#calcula o W usando os valores de X e Y de train e de dev

final=[-1,0,0]

print "A fazer calculos para obter o W"

#print "A calcular transposta de X"

#print "Transposta calculada, a outros calculos"

Xt=X.transpose()

print "A testar lambdas:"

lambs=[10**x for x in xrange(-3,8)]

xg=map(lambda x: np.log10(x),lambs)

#lambs=[100]

#xg=[2]

for lamb in lambs:

#for lamb in [0.0000000000000000000000000001]:

#calculo do w para cada lambda

temp=Xt*X

shape=temp.shape

lambd=sparse.identity(shape[0])*lamb

temp=temp+lambd

temp=linalg.inv(temp)

temp=temp*Xt

temp=temp*Y

#fim do calculo

error=erro(Xdev,Ydev,temp)

errortg.append(erro(Xteste,Yteste,temp))

print lamb,error

errorg.append(error)

if final[0]>error or final[0]==-1:

final[0]=error

final[1]=lamb

final[2]=temp

#valores returnados: temp->W final, final[0]->erro medio associado a esse valor, final[1]-> lambda

try:

import os

os.environ['DISPLAY']

import matplotlib.pyplot as plt

plt.figure(1)

plt.subplot(211)

plt.title("Evolucao do erro Dev")

plt.plot(xg,errorg,"b",xg,errorg,"ro")

plt.subplot(212)

plt.title("Evolucao do erro Teste")

plt.plot(xg,errortg,"b",xg,errortg,"ro")

#plt.savefig("formula.png")

plt.show()

except :

import os

try:

del os.environ['DISPLAY']

except:

pass

print "Nao foi encontrado display\nO grafico vai ser escrito num ficheiro"

print "Os dados usados sao:"+f

import matplotlib as mpl

mpl.use('Agg')

import matplotlib.pyplot as plt

plt.figure(1)

plt.subplot(211)

plt.title("Evolucao do erro Dev")

plt.plot(xg,errorg,"b",xg,errorg,"ro")

plt.subplot(212)

plt.title("Evolucao do erro Teste")

plt.plot(xg,errortg,"b",xg,errortg,"ro")

plt.savefig("formula.png")

#dictionary,temp,y=cria_dados.read_output(ficheiro)

#X,Y,cena1,cena2,cena3=cria_dados.criaXY(dictionary,total,y,True)

#X,Y=cria_dados.criaXY(dictionary,total,y,False)

#for indexe in xrange(len(mediaX)):

#for indexe_linha in xrange(X.shape[0]):

#X[indexe_linha,indexe]-=mediaX[indexe]

Y_estimativa=X*W

#Y_estimativa=sparse.csr_matrix(Y_estimativa.todok()*stdY)

#Y_estimativa=sparse.csr_matrix(Y_estimativa.todok()+mediaY)

erroRR=np.abs(Y-Y_estimativa)

try:

mediaRR=erroRR.sum()/erroRR.shape[0]

except:

mediaRR=sum(np.asarray(erroRR))/erroRR.shape[0]

'''

erroRR=erroRR.transpose()

erroRR=erroRR.tolist()[0]

for i in erroRR:

i=i**2

mediaRR=(sum(erroRR)/len(erroRR))

mediaRR=np.sqrt(mediaRR)

'''

'''

estimativa=sum(Y)/len(Y)

for i in Y:

i=(i-estimativa)**2

media=sum(Y)/len(Y)

'''

dictionary,temp,y=cria_dados.read_output(ficheiro)

X,Y=cria_dados.criaXY(dictionary,total,y)

Y_estimativa=X*W

#Y_estimativa=map(lambda temp: 2**temp[0],Y_estimativa.tolist())

erroRR=np.abs((Y-Y_estimativa)/Y)

mediaRR=sum(erroRR.transpose().toarray()[0])/erroRR.shape[0]

'''

erroRR=erroRR.transpose()

erroRR=erroRR.tolist()[0]

for i in erroRR:

i=i**2

mediaRR=(sum(erroRR)/len(erroRR))

mediaRR=np.sqrt(mediaRR)

'''

'''

estimativa=sum(Y)/len(Y)

for i in Y:

i=(i-estimativa)**2

media=sum(Y)/len(Y)

'''