コード例 #1
0
ファイル: Prism.java プロジェクト: Navieclipse/KEEL
  /** Creates the total selector's set for get all the possible rules */
  private Complejo hazSelectores(Dataset train) {

    Complejo almacenSelectores;
    int nClases = train.getnclases();
    almacenSelectores =
        new Complejo(nClases); // Aqui voy a almacenar los selectores (numVariable,operador,valor)
    Attribute[] atributos = null;
    int num_atributos, type;
    Vector nominalValues;
    atributos = Attributes.getAttributes();
    num_atributos = Attributes.getNumAttributes();
    Selector s;

    for (int i = 0; i < train.getnentradas(); i++) {
      type = atributos[i].getType();
      switch (type) {
        case 0: // NOMINAL
          nominalValues = atributos[i].getNominalValuesList();
          // System.out.print("{");
          for (int j = 0; j < nominalValues.size(); j++) {
            // System.out.print ((String)nominalValues.elementAt(j)+"  ");
            s = new Selector(i, 0, (String) nominalValues.elementAt(j), true); // [atr,op,valor]
            // incluimos tb los valores en double para facilitar algunas funciones
            s.setValor((double) j);
            almacenSelectores.addSelector(s);
            // s.print();
          }
          // System.out.println("}");
          break;
      }
      // System.out.println(num_atributos);
    }
    return almacenSelectores;
  }
コード例 #2
0
ファイル: Prism.java プロジェクト: Navieclipse/KEEL
  /** Returns True if the rule is perfect for the data set. */
  public boolean perfectRule(Complejo regla, Dataset train) {
    ConjDatos datosTrain;
    datosTrain = new ConjDatos();
    datosTrain = creaConjunto(train);
    boolean perfecta = false;

    /*Muestra m = datosTrain.getDato(3);//la primera instancia basicamente
    System.out.println(m.getClase());*/

    Muestra m;
    ConjDatos cubiertas;
    cubiertas = new ConjDatos();

    /*todas las instancias que cubra la regla las metemos en un conjunto*/
    for (int i = 0; i < train.getndatos(); i++) {
      m = datosTrain.getDato(i);
      if (regla.cubre(m)) {
        cubiertas.addDato(m);
      }
    }
    /*perfecta sera true si todos los ejemplos del conjunto 'cubiertas' tienen la misma clase que predice la regla*/
    for (int i = 0; i < cubiertas.size(); i++) {
      if (cubiertas.getDato(i).getClase() != regla.getClase()) {
        perfecta = false;
        return perfecta;
      } else perfecta = true;
    }
    return perfecta;
  }
コード例 #3
0
ファイル: Dataset.java プロジェクト: Navieclipse/KEEL
  /**
   * Constructor to copy all the attributes of another dataset but the itemsets.
   *
   * @param dataset The dataset to be copied.
   * @param capacity The number of itemsets.
   */
  public Dataset(Dataset dataset, int capacity) {
    if (capacity < 0) capacity = 0;

    classIndex = dataset.classIndex;
    name = dataset.getName();
    attributes = dataset.attributes;
    itemsets = new Vector(capacity);
  }
コード例 #4
0
ファイル: Prism.java プロジェクト: Navieclipse/KEEL
  /** Calculates the necessary statistical data and creates KEEL out-put files */
  private void generaSalida() {
    Fichero f = new Fichero();
    String cad = "";
    String miSalida = new String("");
    miSalida = train.copiaCabeceraTest();
    // System.out.println("\n Estas son las reglas encontradas:");
    // conjReglasFinal.print();
    conjunto_reglas.adjuntaNombreClases(clases);
    conjunto_reglas.adjuntaNombreClase(nombre_atributos[train.getnentradas()]);
    cad = conjunto_reglas.printString();
    /*cad += "\n\n" + evReg.printString() + "\n\n  Time (seconds); " +
    (tiempo / 1000);*/

    f.escribeFichero(ficheroSalida, cad);

    f.escribeFichero(ficheroSalidaTr, miSalida + evReg.salida(datosTrain));
    f.escribeFichero(ficheroSalidaTst, miSalida + evReg.salida(datosTest));
  }
コード例 #5
0
ファイル: Prism.java プロジェクト: Navieclipse/KEEL
 /**
  * Creates a set of data(attribute/class)
  *
  * @param mis_datos Must be a set of data readen from the file (see doc Dataset.java)
  * @return The set of data created, a list of examples (see ConjDatos.java and Muestra.java)
  */
 private ConjDatos creaConjunto(Dataset mis_datos) {
   ConjDatos datos = new ConjDatos(); // Creo un nuevo conjunto de datos
   int tam =
       mis_datos
           .getnentradas(); // Pillo el nmero de atributos de entrada (suponemos una sola salida
                            // [clase])
   double[] vars =
       new double
           [tam]; // Creamos el vector que guardar�los valores de los atributos (aun siendo
                  // enteros o enum)
   double[][] X;
   int[] C;
   int clase = 0; // Variable que contendr�el valor para la clase
   X = mis_datos.getX();
   C = mis_datos.getC();
   for (int i = 0; i < mis_datos.getndatos(); i++) {
     // System.out.print("\n"+i+":");
     for (int j = 0; (j < tam); j++) {
       // System.out.print(" "+X[i][j]);
       if (mis_datos.isMissing(i, j)) {
         vars[j] = mis_datos.masComun(j);
       } else { // CAMBIAR POR OTROS METODOS DE MANEJO DE VALORES PERDIDOS (15-NN).
         vars[j] =
             X[i][
                 j]; // Double.parseDouble(mis_datos.getDatosIndex(i, j)); //pillo el valor del
                     // atributo j para el ejemplo i
       }
     }
     // if (!salir) {
     clase = C[i]; // Integer.parseInt(mis_datos.getDatosIndex(i, tam));
     Muestra m =
         new Muestra(
             vars, clase,
             tam); // Creo un nuevo dato del conjunto con sus variables, su clase y el num
                   // variables
     m.setPosFile(i);
     datos.addDato(m);
     // }
   }
   return datos;
 }
コード例 #6
0
ファイル: Prism.java プロジェクト: Navieclipse/KEEL
  /**
   * Constructor with all the attributes to initialize
   *
   * @param ficheroTrain Train file
   * @param ficheroTest Test file
   * @param fSalidaTr Out-put train file
   * @param fSalidaTst Out-put test file
   * @param fsalida Out-put file
   * @param semilla seed
   */
  public Prism(
      String ficheroTrain,
      String ficheroTest,
      String fSalidaTr,
      String fSalidaTst,
      String fsalida,
      long semilla) {

    ficheroSalida = fsalida;
    ficheroSalidaTr = fSalidaTr;
    ficheroSalidaTst = fSalidaTst;
    seed = semilla;

    datosTrain = new ConjDatos(); // datosEval = new ConjDatos();
    datosTest = new ConjDatos();

    train = new Dataset();
    test = new Dataset();
    s = new Selector(0, 0, 0.);
    conjunto_reglas = new ConjReglas();

    try {
      Randomize.setSeed(seed);
      System.out.println("la semilla es " + seed);
      train.leeConjunto(ficheroTrain, true);
      test.leeConjunto(ficheroTest, false); //
      if (train.hayAtributosContinuos() /*|| train.hayAtributosDiscretos()*/) {
        System.err.println("\nPrism may not work properly with real or integer attributes.\n");
        // System.exit(-1);
        hayContinuos = true;
      }
      if (!hayContinuos) {
        train.calculaMasComunes(); // eval.calculaMasComunes();
        test.calculaMasComunes();
        datosTrain =
            creaConjunto(
                train); // Leemos los datos de entrenamiento (todos seguidos como un
                        // String)//datosEval = creaConjunto(eval);
        datosTest = creaConjunto(test);

        valores = train.getX2(); // obtengo los valores nominales
        clases = train.getC2();
        clasitas = train.getC();
        /*System.out.println(train.getndatos());
        System.out.println(train.getnentradas());
        for(int i=0;i<train.getndatos();i++){
        	for(int j=0;j<train.getnentradas();j++)
        		System.out.print(valores[i][j]);
        	System.out.print(clases[i]);System.out.println(clasitas[i]);}*/
        // COMENZAMOS EL ALGORITMO PRISM
        // FOR EACH CLASS C
        clases = train.dameClases();
        int unavez = 0, candidato;
        for (int i = 0; i < train.getnclases(); i++) {
          System.out.println("CLASE :" + clases[i] + "\n");
          // initialize E to the instance set
          /*Cuando haya que inicializar de nuevo el conjunto de instancias no es necesario insertar aquellas que se eliminaron, sino que nos va a bastar con inicializar otra vez el conjunto mediante el fichero de entrenamiento. Por eso hay un metodo para insertar una instancia*/
          train.leeConjunto(ficheroTrain, false);
          nombre_atributos = train.dameNombres();
          instancias = train.getInstanceSet();

          // While E contains instances in class C
          while (train.hayInstanciasDeClaseC(i)) {
            // Create a rule R with an empty left-hand side that predicts class C
            regla = new Complejo(train.getnclases());
            regla.setClase(i);
            regla.adjuntaNombreAtributos(nombre_atributos);
            // esto lo hacemos solo aqui pq luego vamos quitando selectores del almacen
            almacen = hazSelectores(train);
            almacen.adjuntaNombreAtributos(nombre_atributos);
            do {
              // FOR EACH ATTRIBUTE A NOT MENTIONED IN R, AND EACH VALUE V
              accuracy_ant = -1.;
              p = 0;
              int seleccionados[] = new int[almacen.size()];
              for (int jj = 0; jj < almacen.size(); jj++) seleccionados[jj] = 0;
              System.out.println();
              for (int j = 0; j < almacen.size(); j++) {
                // tenemos que quitar el selector anterior
                if (j > 0) regla.removeSelector(s);
                s = almacen.getSelector(j);
                // if(i==0)
                s.print();
                // CONSIDER ADDING THE CONDITION A=V TO THE LHS OF R
                regla.addSelector(s);
                accuracy = getAccuracy(i);
                // if(i==0)	{
                System.out.println("correctas " + num_correctas + " cubiertas " + num_cubiertas);
                System.out.println("Acurracy " + accuracy);
                // }

                if ((accuracy > accuracy_ant)
                    || ((accuracy == accuracy_ant) && (num_correctas > p))) {

                  // if((accuracy==accuracy_ant) &&(num_correctas>p)){
                  // System.out.println("atn "+accuracy_ant);
                  // System.out.println("ahora "+accuracy);
                  accuracy_ant = accuracy;
                  seleccionado = j;
                  p = num_correctas;

                  // si se encuentra un superior hay que quitar
                  // todo lo q se hay ido almacenando en esta iteracion
                  for (int jj = 0; jj < almacen.size(); jj++) seleccionados[jj] = 0;
                  // }
                } else {
                  if ((accuracy == accuracy_ant) && (num_correctas == p)) {
                    seleccionados[seleccionado] = 1;
                    seleccionados[j] = 1;
                  }
                }
              }
              // seleccionamos uno de los seleccionados en el caso de empate
              int contador = 0;
              for (int jj = 0; jj < almacen.size(); jj++) {
                if (seleccionados[jj] == 1) {
                  contador++;
                  System.out.println("OPCION " + jj);
                }
              }
              if (contador > 0) {
                candidato = Randomize.RandintClosed(1, contador);
                contador = 0;
                for (int jj = 0; jj < almacen.size(); jj++) {
                  if (seleccionados[jj] == 1) {
                    contador++;
                    if (contador == candidato) seleccionado = jj;
                  }
                }
              }
              System.out.println("ELEGIDO " + seleccionado);

              // antes hay que quitar el q metimos
              regla.removeSelector(s);
              s = almacen.getSelector(seleccionado);
              s.print();
              // ADD A=V TO R
              regla.addSelector(s);
              /*AHORA HAY QUE QUITAR DEL ALMACEN SE SELECTORES AQUELLOS QUE
              HACEN REFERENCIA AL ATRIBUTO SELECCIONADO*/
              // obtener el atributo del selector ganador
              atributo = s.getAtributo();
              // se borran todos los q tengan ese atributo
              // System.out.println("ALMACEN");almacen.print();
              almacen.removeSelectorAtributo(atributo);

              reglaPerfecta = perfectRule(regla, train);
            } while (!reglaPerfecta && (regla.size() < train.getnentradas()));

            System.out.println("\n");
            System.out.println("\nREGLA............................................");
            regla.print();
            System.out.println("\n");
            /*necesitamos evaluar la regla para obtener la salida del metodo
            para compararla con la salida esperada*/
            evaluarComplejo(regla, datosTrain);
            // INCLUIMOS ESTA REGLA YA PARA EL CONJUNTO FINAL DE REGLAS
            conjunto_reglas.addRegla(regla);
            // REMOVE THE INSTANCES COVERED BY R FROM E

            // Instance instancia;
            /*for(int k=0;k<instancias.getNumInstances();k++){
            instancia=instancias.getInstance(k);
            System.out.print(k+" ");
              	instancia.print();
            System.out.println();
              	}*/
            removeInstancesCovered(i);
            for (int k = 0; k < instancias.getNumInstances(); k++) {
              instancia = instancias.getInstance(k);
              clase = instancia.getOutputNominalValuesInt(0);
              if (clase == i) {
                System.out.print(k + " ");
                instancia.print();
                System.out.println();
              }
            }
            // instancias.print();
            System.out.println("\n");
          } // del while
        } // del for de las clases

        // EVALUAMOS LA CALIDAD DE LAS REGLAS
        int[] clasesEval;
        clasesEval = train.getC();
        muestPorClaseEval = new int[train.getnclases()];
        for (int j = 0; j < train.getnclases(); j++) {
          muestPorClaseEval[j] = 0;
          for (int i = 0; i < datosTrain.size(); i++) {
            if (
            /*valorClases[j]*/ j == clasesEval[i]) {
              muestPorClaseEval[j]++;
            }
          }
        }
        conjunto_reglas.eliminaRepetidos(1);
        evReg =
            new EvaluaCalidadReglas(
                conjunto_reglas,
                datosTrain,
                datosTest,
                muestPorClaseEval,
                muestPorClaseEval,
                clases);
        // GENERAMOS LA SALIDA
        generaSalida();
        System.out.println("la semilla es " + seed);
      } // del if
    } catch (IOException e) {
      System.err.println("There was a problem while trying to read the dataset files:");
      System.err.println("-> " + e);
      // System.exit(0);
    }
  }
コード例 #7
0
ファイル: Dataset.java プロジェクト: Navieclipse/KEEL
 /**
  * Constructor that copies another dataset.
  *
  * @param dataset The dataset to be copied.
  */
 public Dataset(Dataset dataset) {
   this(dataset, dataset.numItemsets());
   dataset.copyItemsets(0, this, dataset.numItemsets());
 }
コード例 #8
0
ファイル: Dataset.java プロジェクト: Navieclipse/KEEL
 /**
  * Function to add the instances of one set to the end of another.
  *
  * @param from The index of the first that is going to be copied.
  * @param dest The dataset where the itemsets are going to be copied.
  * @param num The number of itemsets to copy.
  */
 private void copyItemsets(int from, Dataset dest, int num) {
   for (int i = 0; i < num; i++) dest.addItemset(itemset(from + i));
 }