def generaParticiones(self, instances): #una sola particion particion = Particion() #generar las instacias para la particion instanceTrain = Instances() instanceTest = Instances() # set clases instanceTrain.setClases(instances.getClases()) instanceTest.setClases(instances.getClases()) # set columns instanceTrain.setColumnas(instances.getColumnasList(), instances.getColumnasTipo()) instanceTest.setColumnas(instances.getColumnasList(), instances.getColumnasTipo()) #generar las instancias listInstances = list(instances.getListInstances()) random.shuffle(listInstances) n_instances = len(listInstances) n_instances_train = int(round(n_instances * self.porcentaje)) n_instances_test = n_instances - n_instances_train #instancias de train for i in range(0, n_instances_train): instanceTrain.addInstance(listInstances[i]) #instancias de test for i in range(n_instances_train, n_instances): instanceTest.addInstance(listInstances[i]) #añadir a la particion las instancias particion.setTrain(instanceTrain) particion.setTest(instanceTest) return particion
def creaParticiones(self, data):
self.particiones = []
train = np.random.choice(len(data),
len(data) * self.porcentajeTrain // 100,
replace=False)
test = list(set(range(len(data))) - set(train))
self.particiones.append(Particion(train, test))
def creaParticiones(self, data):
if self.numero_particiones > len(data):
raise ValueError("Hay más folds que datos")
self.particiones = []
indices = np.arange(len(data))
np.random.shuffle(indices)
indices_particiones = split(indices, self.numero_particiones)
for indices_test in indices_particiones:
train = list(set(range(len(data))) - set(indices_test))
test = list(indices_test)
self.particiones.append(Particion(train, test))
def generaParticiones(self, instances, shuffle=True):
#una sola particion
particion = Particion()
#generar las instacias para la particion
instanceTrain = Instances()
instanceTest = Instances()
# set clases
instanceTrain.setClases(instances.getClases())
instanceTest.setClases(instances.getClases())
# set columns
instanceTrain.setColumnas(instances.getColumnasList(),
instances.getColumnasTipo())
instanceTest.setColumnas(instances.getColumnasList(),
instances.getColumnasTipo())
#generar las instancias
listInstances = list(instances.getListInstances())
if shuffle:
random.shuffle(listInstances)
n_instances = len(listInstances)
n_instances_train = int(round(n_instances * self.porcentaje))
n_instances_test = n_instances - n_instances_train
#instancias de train
for i in range(0, n_instances_train):
instanceTrain.addInstance(listInstances[i])
#instancias de test
for i in range(n_instances_train, n_instances):
instanceTest.addInstance(listInstances[i])
#añadir a la particion las instancias
particion.setTrain(instanceTrain)
particion.setTest(instanceTest)
return particion
def generaParticionesProporcional(self, instances, aleatorio = False):
#una sola particion
particion = Particion()
#generar las instacias para la particion
instanceTrain = Instances()
instanceTest = Instances()
# set clases
instanceTrain.setClases(instances.getClases())
instanceTest.setClases(instances.getClases())
# set columns
instanceTrain.setColumnas(instances.getColumnasList(), instances.getColumnasTipo())
instanceTest.setColumnas(instances.getColumnasList(), instances.getColumnasTipo())
#generar las instancias
listInstances = list(instances.getListInstances())
if aleatorio:
random.shuffle(listInstances)
n_instances = len(listInstances)
n_instances_train = int(round(n_instances * self.porcentaje))
n_instances_test = n_instances - n_instances_train
#conteo de instancias en cada clase
conteoClases = {}
conteoIntroducido = {}
listaClases = instances.getClases()
for clase in listaClases:
conteoClases[clase] = {}
conteoClases[clase]['cont'] = 0
conteoClases[clase]['instaces_id'] = []
conteoIntroducido[clase] = 0
i = 0
for instancia in listInstances:
clase = instancia.getClase()
conteoClases[clase]['cont'] += 1
conteoClases[clase]['instaces_id'].append(i)
i+=1
for clase in listaClases:
print 'instancias de la clase ' + str(clase) + ': ' + str(conteoClases[clase]['cont']) + ' porcentaje: '+ str(conteoClases[clase]['cont']/float(len(listInstances)))
#instancias de train
#por cada clase busca se ha de introducir una instancia
for i in range(0, n_instances_train):
for clase in listaClases:
if conteoIntroducido[clase] < ((conteoClases[clase]['cont'] / float(n_instances)) * n_instances_train):
identificador = conteoClases[clase]['instaces_id'][conteoIntroducido[clase]]
conteoIntroducido[clase] += 1
instanceTrain.addInstance(listInstances[identificador])
#instanceTrain.addInstance(listInstances[i])
#instancias de test
for clase in listaClases:
desde = conteoIntroducido[clase]
hasta = conteoClases[clase]['cont']
for i in range(desde, hasta):
identificador = conteoClases[clase]['instaces_id'][i]
instanceTest.addInstance(listInstances[identificador])
conteoIntroducido[clase] += 1
#for i in range(n_instances_train, n_instances):
# instanceTest.addInstance(listInstances[i])
#añadir a la particion las instancias
if aleatorio:
instanceTrain.shuffle()
particion.setTrain(instanceTrain)
particion.setTest(instanceTest)
return particion
def generaParticionesProporcional(self, instances):
#una sola particion
particion = Particion()
#generar las instacias para la particion
instanceTrain = Instances()
instanceTest = Instances()
# set clases
instanceTrain.setClases(instances.getClases())
instanceTest.setClases(instances.getClases())
# set columns
instanceTrain.setColumnas(instances.getColumnasList(),
instances.getColumnasTipo())
instanceTest.setColumnas(instances.getColumnasList(),
instances.getColumnasTipo())
#generar las instancias
listInstances = list(instances.getListInstances())
random.shuffle(listInstances)
n_instances = len(listInstances)
n_instances_train = int(round(n_instances * self.porcentaje))
n_instances_test = n_instances - n_instances_train
#conteo de instancias en cada clase
conteoClases = {}
conteoIntroducido = {}
listaClases = instances.getClases()
for clase in listaClases:
conteoClases[clase] = {}
conteoClases[clase]['cont'] = 0
conteoClases[clase]['instaces_id'] = []
conteoIntroducido[clase] = 0
i = 0
for instancia in listInstances:
clase = instancia.getClase()
conteoClases[clase]['cont'] += 1
conteoClases[clase]['instaces_id'].append(i)
i += 1
#instancias de train
#por cada clase busca se ha de introducir una instancia
for i in range(0, n_instances_train):
for clase in listaClases:
if conteoIntroducido[clase] < (
(conteoClases[clase]['cont'] / float(n_instances)) *
n_instances_train):
identificador = conteoClases[clase]['instaces_id'][
conteoIntroducido[clase]]
conteoIntroducido[clase] += 1
instanceTrain.addInstance(listInstances[identificador])
#instanceTrain.addInstance(listInstances[i])
#instancias de test
for clase in listaClases:
desde = conteoIntroducido[clase]
hasta = conteoClases[clase]['cont']
for i in range(desde, hasta):
identificador = conteoClases[clase]['instaces_id'][i]
instanceTest.addInstance(listInstances[identificador])
conteoIntroducido[clase] += 1
#for i in range(n_instances_train, n_instances):
# instanceTest.addInstance(listInstances[i])
#añadir a la particion las instancias
instanceTrain.shuffle()
particion.setTrain(instanceTrain)
particion.setTest(instanceTest)
return particion
def creaParticiones(self, data):
self.particiones = []
train = np.random.choice(len(data), len(data), replace=True)
test = list(set(range(len(data))) - set(train))
self.particiones.append(Particion(train, test))
