def probar_algoritmo_scikit_data(k):
digits = datasets.load_digits()
x_digits = digits.data
y_digits = digits.target
n_samples = len(x_digits)
train_dataset = x_digits[:.9 * n_samples]
train_labels = y_digits[:.9 * n_samples]
test_dataset = x_digits[.9 * n_samples:]
test_labels = y_digits[.9 * n_samples:]
errores = 0
i = 0
for test_instance in test_dataset:
etiqueta_real = test_labels[i]
i += 1
predicted_label = clasificar(test_instance, train_dataset,
train_labels, k)
if etiqueta_real != predicted_label:
errores += 1
print "Clasificando instancia. Etiqueta real: %s - etiqueta predicha: %s" % (
etiqueta_real, predicted_label)
print 'Total de errores: %s - Procentaje de error: %s' % (
errores, float(errores) / len(test_dataset))
def probar_algoritmo_scikit_data(k):
digits = datasets.load_digits()
x_digits = digits.data
y_digits = digits.target
n_samples = len(x_digits)
train_dataset = x_digits[: 0.9 * n_samples]
train_labels = y_digits[: 0.9 * n_samples]
test_dataset = x_digits[0.9 * n_samples :]
test_labels = y_digits[0.9 * n_samples :]
errores = 0
i = 0
for test_instance in test_dataset:
etiqueta_real = test_labels[i]
i += 1
predicted_label = clasificar(test_instance, train_dataset, train_labels, k)
if etiqueta_real != predicted_label:
errores += 1
print "Clasificando instancia. Etiqueta real: %s - etiqueta predicha: %s" % (etiqueta_real, predicted_label)
print "Total de errores: %s - Procentaje de error: %s" % (errores, float(errores) / len(test_dataset))
def probar_algoritmo(training_dataset_path, test_dataset_path, k):
etiquetas, contenidos = leer_training_set(training_dataset_path)
archivos = os.listdir(test_dataset_path)
errores = 0
for filename in archivos:
# print 'Procesando: %s/%s' % (dir_path, filename)
partes = filename.split('_')
etiqueta_real = partes[0]
test_instance = convertir_imagen("%s/%s" % (test_dataset_path, filename))
predicted_label = clasificar(test_instance, contenidos, etiquetas, k)
if etiqueta_real != predicted_label:
errores += 1
print "Clasificando archivo: %s. Etiqueta real: %s - etiqueta predicha: %s" % (filename,
etiqueta_real,
predicted_label)
print 'Total de errores: %s - Procentaje de error: %s' % (errores, float(errores) / len(archivos))