65 lines
1.6 KiB
Python
65 lines
1.6 KiB
Python
#!/usr/bin/env python3
|
|
# -*- coding: utf-8 -*
|
|
import numpy as np
|
|
import sys
|
|
import load_datasets as ld
|
|
import BayesNaif # importer la classe du classifieur bayesien
|
|
import Knn # importer la classe du Knn
|
|
#importer d'autres fichiers et classes si vous en avez développés
|
|
|
|
|
|
"""
|
|
C'est le fichier main duquel nous allons tout lancer
|
|
Vous allez dire en commentaire c'est quoi les paramètres que vous avez utilisés
|
|
En gros, vous allez :
|
|
1- Initialiser votre classifieur avec ses paramètres
|
|
2- Charger les datasets
|
|
3- Entrainer votre classifieur
|
|
4- Le tester
|
|
|
|
"""
|
|
|
|
# Charger/lire les datasets
|
|
|
|
train, train_labels, test, test_labels = ld.load_iris_dataset(0.7)
|
|
train, train_labels, test, test_labels = ld.load_congressional_dataset(0.7)
|
|
train, train_labels, test, test_labels = ld.load_monks_dataset(1)
|
|
train, train_labels, test, test_labels = ld.load_monks_dataset(2)
|
|
train, train_labels, test, test_labels = ld.load_monks_dataset(3)
|
|
|
|
# KNN
|
|
|
|
## Choix du meilleur K
|
|
findbest_Knn = Knn.Knn()
|
|
meilleur_k = findbest_Knn.set_best_k(train, train_labels, nb_split=5, k_potentiel=range(5,15))
|
|
print("Le meilleur K est:"+str(meilleur_k)+"\n\n")
|
|
|
|
## Initializer/instanciez vos classifieurs avec leurs paramètres
|
|
myKnn = Knn.Knn(meilleur_k)
|
|
|
|
## Entrainez votre classifieur
|
|
myKnn.train(train, train_labels)
|
|
|
|
## Tester votre classifieur
|
|
myKnn.test(test, test_labels)
|
|
|
|
# Naive Bayes
|
|
|
|
## Initializer/instanciez vos classifieurs avec leurs paramètres
|
|
BN = BayesNaif.BayesNaif(False)
|
|
|
|
## Entrainez votre classifieur
|
|
BN.train(train, train_labels)
|
|
|
|
## Prediction
|
|
BN.test(train, train_labels)
|
|
|
|
## Test
|
|
BN.test(test,test_labels)
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|