def test_no_output_support(self): datatype = AbstractDatatype() self.assertTrue(check_valid_datatype(datatype)) self.assertEqual(2, len(datatype.input_nub_generator('test', 'test'))) self.assertRaises(ValueError, datatype.output_nub_generator, 'test', 'test') self.assertRaises(ValueError, datatype.output_suggested_loss) self.assertRaises(ValueError, datatype._check_output_support)
def test_output_support(self): datatype = AbstractDatatype() datatype.supports_output = True self.assertTrue(check_valid_datatype(datatype)) self.assertEqual(2, len(datatype.input_nub_generator('test', 'test'))) self.assertEqual(None, datatype.output_nub_generator('test', 'test')) self.assertEqual(None, datatype.output_suggested_loss()) self.assertTrue(datatype._check_output_support())
def test_datatype_signature(self): datatype = Categorical() lib.check_valid_datatype(datatype) self.assertTrue(datatype.supports_output)
def test_datatype_signature(self): # Create datatype datatype = Boolean() # Check valid datatype lib.check_valid_datatype(datatype)
def test_datatype_signature(self): # Create datatype datatype = TimeSeries() # Check valid datatype lib.check_valid_datatype(datatype)