//MaisProvavel
int main()
{
vector<string> atributos;
atributos.push_back("word");
atributos.push_back("tpos");
atributos.push_back("np");
CorpusMatriz objCorpus( atributos );
objCorpus.carregarArquivo( "inputs/train.txt" );
Classificador *objClass;
MaisProvavel objMProv( LIM_FREQ_UNKNOWN );
objClass = objMProv.executarTreinamento( objCorpus, ATRBT_ANALISADO );
//objClass->carregarConhecimento( "inputs/conhecimentoMProv.txt" );
CorpusMatriz objCorpusProva( atributos );
objCorpusProva.carregarArquivo( "inputs/test.txt" );
objClass->executarClassificacao( objCorpusProva, ATRBT_CLASSIFICADO );
AvaliadorAcuracia objAvalAcur;
printf( "Acuracia: %.2f%%\n", 100 * objAvalAcur.calcularDesempenho( objCorpusProva, ATRBT_ANALISADO, ATRBT_NOVO )[ 0 ] );
objCorpusProva.gravarArquivo( "outputs/corpusGravado.txt" );
objClass->gravarConhecimento( "outputs/conhecimentoMProv.txt" );
delete objClass;
return 0;
}
int main()
{
vector<string> atributos, classes, atributosTreino;
int nConjExemplos, e, c0, c1, c, iResposta, iSaida, total;
//carrega conjunto de dados
CorpusMatriz objCorpus(atributos, ',', true, true);
objCorpus.carregarArquivo( "../inputs/adult.data" );
//indice do atributo a aprender
iResposta = objCorpus.pegarPosAtributo("resposta");
//quantidade de conjuntos de exemplos
cout << (nConjExemplos = objCorpus.pegarQtdConjExemplos()) << " exemplos\n";
//indica classes alvo
classes.push_back("<=50K");
classes.push_back(">50K");
//calcula priori das classes
c0 = c1 = total = 0;
for (c = 0; c < nConjExemplos; c++)
for (e = 0; e < objCorpus.pegarQtdExemplos(c); e++) {
if (objCorpus.pegarIndice(classes[0]) == objCorpus.pegarValor(c, e, iResposta))
c0++;
else
c1++;
total++;
}
cout << 100.*c0/total << " / " << 100.*c1/total << endl;
atributos = objCorpus.pegarAtributos();
//remove atributos que nao devem ser utilizados pelo treinamento
for (unsigned int i=0; i < atributos.size(); i++)
if (atributos[i]!="resposta")// && atributos[i]!="workclass" && atributos[i]!="fnlwgt")
atributosTreino.push_back(atributos[i]);
DecisionStump objStump(atributosTreino, classes);
AvaliadorAcuracia objAvalAcur;
ValidadorKDobras objValidador(objAvalAcur, 10);
iSaida = objCorpus.criarAtributo("saida", "O");
vector< vector< float > > v = objValidador.executarExperimento(objStump, objCorpus, iResposta, iSaida);
float media = 0;
for (c=0; c<10; c++) {
cout << c << " - " << v[c][0] << endl;
media +=v[c][0];
}
cout << "*" << media/10 << endl;
Classificador *objClass = objStump.executarTreinamento(objCorpus, iResposta);
objClass->executarClassificacao(objCorpus, iSaida);
cout << objClass->descricaoConhecimento();
printf( "Acuracia: %.2f%%\n", 100 * objAvalAcur.calcularDesempenho( objCorpus,
iResposta, iSaida)[0]);
delete objClass;
return 0;
}
int main()
{
vector<string> atributos, classes;
int atributo, novoatributo, c;
Classificador *cl;//,*cl2;
AvaliadorAcuracia objAvalAcur;
float media;
srand(time(NULL));
//carrega conjunto de dados
CorpusMatriz objCorpus(atributos, ',', true, true);
objCorpus.carregarArquivo( "../../../inputs/adult.data.medium" );
atributo = objCorpus.pegarPosAtributo("resposta");
classes.push_back("<=50K");
classes.push_back(">50K");
atributos = objCorpus.pegarAtributos();
atributos.pop_back();
//treina
DecisionStump stump(atributos, classes);
TreinadorAdaboost adab(stump, classes, 30, 0.01, false);
novoatributo = objCorpus.criarAtributo("me");
cl = adab.executarTreinamento(objCorpus, atributo);
cout << cl->descricaoConhecimento() << endl;
// cl->gravarConhecimento("xpto");
// cl2 = new ClassificadorMaisEsperto;
// cl->carregarConhecimento("xpto");
//classifica
// cl2->executarClassificacao(objCorpus, novoatributo);
cl->executarClassificacao(objCorpus, novoatributo);
objCorpus.gravarArquivo("#testeout.txt");
//avalia
cout << 100 * objAvalAcur.calcularDesempenho(objCorpus, atributo, novoatributo)[0] << "%\n";
//faz experimento
int ndobras = 10;
ValidadorKDobras objValidador(objAvalAcur, ndobras, false);
vector< vector< float > > v;
try{
v = objValidador.executarExperimento(adab, objCorpus, atributo, novoatributo);
}
catch(string s){
cout << "*" << s << endl;
return 1;
}
catch(...){
cout << "Erro desconhecido" << endl;
return 2;
}
media = 0;
for (c=0;c<ndobras;c++){
cout << c << " - " << 100.*v[c][0] << "%\n";
media += v[c][0];
}
cout << "*" << media/ndobras << "\n";
return 0;
}
Classificador* TreinadorAdaboost::executarTreinamento( Corpus &corpus, int atributo ){
Classificador *cl;
double beta, acertos, erros, sumdist;
vector <double> alphas;
vector<Classificador*> classificadores;
unsigned i, atributoTemporario, c, e, nConjExemplos = corpus.pegarQtdTotalExemplos(), nExemplos;
vector<double> dist(nConjExemplos, 1.0/nConjExemplos);
vector<bool> errado(nConjExemplos);
atributoTemporario = corpus.criarAtributo("adab");
for (i = 0; i < iterations; i++){
fill_n(errado.begin(), nConjExemplos, false);
base.ajustarDistribuicao(dist);
cl = base.executarTreinamento(corpus, atributo);
cl->executarClassificacao(corpus, atributoTemporario);
//calcula erro, generalizar para vários exemplos por conjunto de exemplo
acertos = erros = 0;
for (c=0;c<nConjExemplos;c++){
nExemplos = corpus.pegarQtdExemplos(c);
for (e=0; e<nExemplos; e++){
if ((corpus.pegarValor(c,e,atributo)!=corpus.pegarValor(c,e,atributoTemporario))){
errado[c] = true;
break;
}
}
if (errado[c])
erros += dist[c];
else
acertos += dist[c];
}
beta = acertos/erros;
//cout << i << "-" << beta << endl;
sumdist = 0.0;
for (c=0;c<nConjExemplos;c++){
if (errado[c])
dist[c] *= beta;
sumdist += dist[c];
}
for (c=0;c<nConjExemplos;c++)
dist[c] /= sumdist;
classificadores.push_back(cl);
alphas.push_back(.5*log(beta));
if (alphas[i] < minalpha)
break;
}
corpus.removerAtributo("adab");
return new ClassificadorAdaboost(classes,classificadores,alphas);
}
