-
Notifications
You must be signed in to change notification settings - Fork 0
/
HASTIEDecisionTree_C4-5_parameters.py
346 lines (272 loc) · 12.7 KB
/
HASTIEDecisionTree_C4-5_parameters.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
Campo=1
NodoRaiz=8
Nodo1=8
Nodo2=9
Nodo3=9
Nodo4=10
Nodo5=10
Nodo6=5
Nodo7=5
Nodo8=2
Nodo9=2
Nodo10=3
Nodo11=3
Nodo12=4
Nodo13=4
Nodo14=7
Nodo15=7
Nodo16=6
Nodo17=6
Nodo18=1
Nodo19=1
ValorDecision=150
ValorDecision1=151
ValorDecision2=164
ValorDecision3=163
ValorDecision4=154
ValorDecision5=155
ValorDecision6=153
ValorDecision7=154
ValorDecision8=147
ValorDecision9=146
ValorDecision10=151
ValorDecision11=150
ValorDecision12=137
ValorDecision13=138
ValorDecision14=153
ValorDecision15=152
ValorDecision16=151
ValorDecision17=152
ValorDecision18=238
ValorDecision19=74
import numpy as np
import math
NumCampos=11
Start = 0
End = 9600
Max=[float(-9.9999E+16)]
Min=[float(9.9999E+16)]
for i in range(NumCampos):
Max.append(-9.9999E+16)
Min.append(9.9999E+16)
f=open("C:\Hastie10_2Corrected.txt","r")
Conta=0
for linea in f:
lineadelTrain =linea.split(";")
Conta = Conta + 1
if Conta < Start:
continue
if Conta > End:
break
linea_x =[""]
z=-1
for x in lineadelTrain:
z=z+1
if z==0: continue
if z==NumCampos: break
#if z==1: linea_x[0]=float(lineadelTrain[z])
#else: linea_x.append(float(lineadelTrain[z]))
if float(lineadelTrain[z]) > Max[z]:
Max[z]=float(lineadelTrain[z])
if float(lineadelTrain[z]) < Min[z]:
Min[z]=float(lineadelTrain[z])
#for i in range(NumCampos):
# print(" i ="+ str(i) + " MAX="+ str(Max[i]) + " MIN=" + str(Min[i]))
""" CLASIFIER FUNCTION ==========================================================="""
def Hastie_C4_5( W):
NumClases=2
NumCampos =11
TopeMemoria = 304
# Got frm https://stackoverflow.com/questions/15448594/how-to-add-elements-to-3-dimensional-array-in-python
TabVotos = np.zeros((NumCampos,TopeMemoria+1,NumClases))
Maximo=0.0
Conta=0.0
Cont=-1
ContClase=[float(0.0)]
for j in range(NumClases):
ContClase.append(float(0.0))
Start=0
End = 9600
f=open("C:\Hastie10_2Corrected.txt","r")
for linea in f:
lineadelTrain =linea.split(";")
Conta = Conta + 1
if Conta < Start:
continue
if Conta > End:
break
# la primera vez se computan todos los campos
# La segunda los que estan a la derecha del nodo raiz y a la izquierda
ValorTrain =float(lineadelTrain[NodoRaiz])
indice=CalcIndex(Max, Min, NodoRaiz, ValorTrain, TopeMemoria)
if indice < ValorDecision: continue
ValorTrain =float(lineadelTrain[Nodo1])
indice=CalcIndex(Max, Min, Nodo1, ValorTrain, TopeMemoria)
if (indice >= ValorDecision1):continue
ValorTrain =float(lineadelTrain[Nodo2])
indice=CalcIndex(Max, Min, Nodo2, ValorTrain, TopeMemoria)
if (indice >= ValorDecision2):continue
ValorTrain =float(lineadelTrain[Nodo3])
indice=CalcIndex(Max, Min, Nodo3, ValorTrain, TopeMemoria)
if (indice < ValorDecision3):continue
ValorTrain =float(lineadelTrain[Nodo4])
indice=CalcIndex(Max, Min, Nodo4, ValorTrain, TopeMemoria)
if (indice < ValorDecision4):continue
ValorTrain =float(lineadelTrain[Nodo5])
indice=CalcIndex(Max, Min, Nodo5, ValorTrain, TopeMemoria)
if (indice >= ValorDecision5):continue
ValorTrain =float(lineadelTrain[Nodo6])
indice=CalcIndex(Max, Min, Nodo6, ValorTrain, TopeMemoria)
if (indice < ValorDecision6):continue
ValorTrain =float(lineadelTrain[Nodo7])
indice=CalcIndex(Max, Min, Nodo7, ValorTrain, TopeMemoria)
if (indice >= ValorDecision7):continue
ValorTrain =float(lineadelTrain[Nodo8])
indice=CalcIndex(Max, Min, Nodo8, ValorTrain, TopeMemoria)
if (indice >= ValorDecision8):continue
ValorTrain =float(lineadelTrain[Nodo9])
indice=CalcIndex(Max, Min, Nodo9, ValorTrain, TopeMemoria)
if (indice < ValorDecision9):continue
ValorTrain =float(lineadelTrain[Nodo10])
indice=CalcIndex(Max, Min, Nodo10, ValorTrain, TopeMemoria)
if (indice >= ValorDecision10):continue
ValorTrain =float(lineadelTrain[Nodo11])
indice=CalcIndex(Max, Min, Nodo11, ValorTrain, TopeMemoria)
if (indice < ValorDecision11):continue
ValorTrain =float(lineadelTrain[Nodo12])
indice=CalcIndex(Max, Min, Nodo12, ValorTrain, TopeMemoria)
if (indice < ValorDecision12):continue
ValorTrain =float(lineadelTrain[Nodo13])
indice=CalcIndex(Max, Min, Nodo13, ValorTrain, TopeMemoria)
if (indice >= ValorDecision13):continue
ValorTrain =float(lineadelTrain[Nodo14])
indice=CalcIndex(Max, Min, Nodo14, ValorTrain, TopeMemoria)
if (indice >= ValorDecision14):continue
ValorTrain =float(lineadelTrain[Nodo15])
indice=CalcIndex(Max, Min, Nodo15, ValorTrain, TopeMemoria)
if (indice < ValorDecision15):continue
ValorTrain =float(lineadelTrain[Nodo16])
indice=CalcIndex(Max, Min, Nodo16, ValorTrain, TopeMemoria)
if (indice < ValorDecision16):continue
ValorTrain =float(lineadelTrain[Nodo17])
indice=CalcIndex(Max, Min, Nodo17, ValorTrain, TopeMemoria)
if (indice >= ValorDecision17):continue
ValorTrain =float(lineadelTrain[Nodo18])
indice=CalcIndex(Max, Min, Nodo18, ValorTrain, TopeMemoria)
if (indice >= ValorDecision18):continue
ValorTrain =float(lineadelTrain[Nodo19])
indice=CalcIndex(Max, Min, Nodo19, ValorTrain, TopeMemoria)
if (indice < ValorDecision19):continue
Cont = Cont +1
if len(W) == 1:
FactorPri=1.0
else:
FactorPri=W[Cont]
ClaseLeida=float(lineadelTrain[0])
if ClaseLeida==-1.0:
Clase=0
else:
Clase=int(ClaseLeida)
ContClase[Clase]=ContClase[Clase] + 1
# Acumulacion valores
z=-1
for x in lineadelTrain:
z=z+1
if z==NumCampos:
break
if z==0: continue
ValorTrain =float(lineadelTrain[z])
ValorTrain =ValorTrain - Min[z]
Maximo = Max[z]
Maximo = Maximo - Min[z]
indice =(int) (((TopeMemoria - 2.0) * ValorTrain)/ Maximo)
if ( (indice > (TopeMemoria-2)) or (indice < 0)):
print("index overflowed=" + str( indice) + " in the field ="+ str(z-1) )
Wvalor=0.0
Wvalor= TabVotos[z,TopeMemoria-1,Clase]
Wvalor= Wvalor + 1
TabVotos[z,TopeMemoria-1,Clase]=Wvalor
Wvalor= TabVotos[z,indice,Clase]
Wvalor=Wvalor+FactorPri
TabVotos[z,indice,Clase]=Wvalor
# print("Acumula en el indice = " + str(indice) + " Clase =" + str(Clase) + " Wvalor =" + str(Wvalor))
f.close()
# print("Total Clase 0 = " + str(ContClase[0]) +" Total Clase 1 = " +str(ContClase[1]))
# for Campo in range(NumCampos):
ContaPanta=0
HClase_PreguntaMin=999999999.0
indiceMin=999999
i=0
for i in range (TopeMemoria-2):
# ClaseMenos y ClaseMas computan computan las clases
# que existen con valores del campo menos o mas del
# campo considerado
ClasesMenos = np.zeros(NumClases)
ClasesMas = np.zeros(NumClases)
TotClaseMenos=0
TotClaseMas=0
EntroCampoMenos=0
EntroCampoMas=0
for y in range(i):
for w in range (NumClases):
# print("Recupera indice = "+str(i) + "Clase= " + str(w) + "Valor = " +str(TabVotos[Campo,i,w]))
TotClaseMenos= TotClaseMenos + TabVotos[Campo,y,w]
ClasesMenos[w]=ClasesMenos[w]+ TabVotos[Campo,y,w]
for j in range (NumClases):
if (ClasesMenos[j] != 0.0) :
P=ClasesMenos[j]/TotClaseMenos
# print("Indice =" + str(i) + " Clase= " + str(j) + " Probabilidad Campo "+ str(P) + "Total Clases = "+ str(TotClases))
EntroCampoMenos= EntroCampoMenos + P*math.log(1.0/P,2)
#print("Entropy < indiex =" +str(i) + " field "+ str(Campo)+ " = " + str(EntroCampoMenos) )
for y in range(i,TopeMemoria-2):
for w in range (NumClases):
# print("Recupera indice = "+str(i) + "Clase= " + str(w) + "Valor = " +str(TabVotos[Campo,i,w]))
TotClaseMas= TotClaseMas + TabVotos[Campo,y,w]
ClasesMas[w]=ClasesMas[w]+ TabVotos[Campo,y,w]
for j in range (NumClases):
if (ClasesMas[j] != 0.0) :
P=ClasesMas[j]/TotClaseMas
# print("Indice =" + str(i) + " Clase= " + str(j) + " Probabilidad Campo "+ str(P) + "Total Clases = "+ str(TotClases))
EntroCampoMas= EntroCampoMas + P*math.log(1.0/P,2)
#print("Entropy > index=" +str(i) + " field "+ str(Campo)+ " = " + str(EntroCampoMas) )
HClase_Pregunta =(TotClaseMenos/(TotClaseMenos+TotClaseMas) )*EntroCampoMenos + (TotClaseMas/(TotClaseMenos+TotClaseMas) )*EntroCampoMas
#print("HClass_Question index =" +str(i) + " field "+ str(Campo)+ " = " + str(HClase_Pregunta) )
if (HClase_Pregunta < HClase_PreguntaMin):
indiceMin=i
HClase_PreguntaMin=HClase_Pregunta
ContaPanta=ContaPanta + 1
if ContaPanta > 1000:
print("Procesa 1000")
ContaPanta=0
print("Index minimum =" +str(indiceMin) + " field "+ str(Campo)+ " Class Question " + str(HClase_PreguntaMin) )
ClasesMenos = np.zeros(NumClases)
ClasesMas = np.zeros(NumClases)
TotClaseMenos=0
TotClaseMas=0
# ANTES for y in range(indiceMin+1,TopeMemoria-2): QUITAR + 1
for y in range(indiceMin,TopeMemoria-2):
for w in range (NumClases):
TotClaseMas= TotClaseMas + TabVotos[Campo,y,w]
ClasesMas[w]=ClasesMas[w]+ TabVotos[Campo,y,w]
for y in range(indiceMin):
for w in range (NumClases):
TotClaseMenos = TotClaseMenos + TabVotos[Campo,y,w]
ClasesMenos[w]=ClasesMenos[w]+ TabVotos[Campo,y,w]
print(" " )
print("Index Classes Values = " + str(indiceMin))
for w in range (NumClases):
print("Class = " + str(w) + " in branch > "+ str( ClasesMas[w]) + " in branch < "+ str( ClasesMenos[w]))
def CalcIndex(Max, Min, Nodo, ValorNodo, TopeMemoria):
ValorNodo =ValorNodo - Min[Nodo]
Maximo = Max[Nodo]
Maximo = Maximo - Min[Nodo]
indice =(int) (((TopeMemoria - 2.0) * ValorNodo)/ Maximo)
if ( (indice > (TopeMemoria-2)) or (indice < 0)):
print("index overflowed=" + str( indice) + " in the field ="+ str(Nodo) )
indice=TopeMemoria
return indice
############################################################################33
# MAIN
###########################################################################333
W=[float(1.0)]
Hastie_C4_5( W)