erroresPorClase[clase] += 1
error += 1.0
else:
aciertosPorClase[clase] += 1
procentajeError = error / float(instances.getNumeroInstances())
print 'Error medio: ' + str(procentajeError)
for clase in instances.getClases():
sumaAux = float(erroresPorClase[clase] + aciertosPorClase[clase])
print '\t'+ clase + ' fallos: ' + str(erroresPorClase[clase]) + ' aciertos: ' + str(aciertosPorClase[clase]) + ' porcentaje: ' + str(erroresPorClase[clase] / sumaAux)
if __name__ == '__main__':
lector = LectorARFF()
instances = lector.leerFichero("../data/spam.arff")
instances.normaliza()
porcentajeParticionado = float(0.66)
particionado = DivisionPorcentual()
particionado.setPorcentajeTrain(porcentajeParticionado)
particion = particionado.generaParticionesProporcional(instances)
print "Multilayer genetic"
clasificador = GeneticECM()
clasificador.buildClassifier(particion.getTrain())
print "Error TRAIN:"
calculaError(clasificador, particion.getTrain())
if porcentajeParticionado != 1.0:
print "Error TEST:"
calculaError(clasificador, particion.getTest())
aciertosPorClase[clase] += 1
procentajeError = error / float(instances.getNumeroInstances())
print "Error medio: " + str(procentajeError)
for clase in instances.getClases():
sumaAux = float(erroresPorClase[clase] + aciertosPorClase[clase])
print "\t" + clase + " fallos: " + str(erroresPorClase[clase]) + " aciertos: " + str(
aciertosPorClase[clase]
) + " porcentaje: " + str(erroresPorClase[clase] / sumaAux)
if __name__ == "__main__":
lector = LectorNeuro()
instances = lector.leerFichero("../data/problema_real1.txt")
instances.normaliza()
porcentajeParticionado = float(0.8)
particionado = DivisionPorcentual()
particionado.setPorcentajeTrain(porcentajeParticionado)
particion = particionado.generaParticionesProporcional(instances)
print "Multilayer genetic"
clasificador = GeneticECM()
clasificador.buildClassifier(instances)
print "Error TRAIN:"
calculaError(clasificador, instances)
if porcentajeParticionado != 1.0:
print "Error TEST:"
calculaError(clasificador, particion.getTest())
