-
Notifications
You must be signed in to change notification settings - Fork 0
/
LSED_Lab_3__Zadanie_2.R
266 lines (202 loc) · 9.64 KB
/
LSED_Lab_3__Zadanie_2.R
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
### LSED Lab 3 - Zadanie 2
# Autor: Szymon Baczyński 270626
rm(list=ls())
library(MASS)
library(klaR)
library(e1071)
library(Hmisc)
### --- Punkt 1 - wczytać dane --- ###
cat("\n"); print("--- Punkt nr 1 zadania ---");
ifelse(!file.exists("wine.dat"), write.table(wina <- read.table("https://archive.ics.uci.edu/ml/machine-learning-databases/wine/wine.data", sep=","), file="wine.dat", sep=","), wina <- read.table("wine.dat", sep=","))
print("Wczytano dane i utworzono plik 'wine.dat' (jeśli taki nie istniał)")
### --- Punkt 2 - nazwać kolumny --- ###
cat("\n"); print("--- Punkt nr 2 zadania ---");
colnames(wina) <- c("class","Alcohol","Malic acid","Ash","Alcalinity of ash","Magnesium","Total phenols","Flavanoids","Nonflavanoid phenols","Proanthocyanins","Color intensity","Hue","OD280/OD315 of diluted wines", "Proline")
print("Nazwano kolumny według pliku pomocniczego")
### --- Punkt 3 - parametry klasyfikatorów LDA, QDA i NB na pełnym zbiorze --- ###
cat("\n"); print("--- Punkt nr 3 zadania ---");
wina$class <- factor(wina$class)
# Trenowanie klasyfikatorów na PU
class.lda <- lda(class ~ ., wina)
class.qda <- qda(class ~ ., wina)
class.nb <- naiveBayes(class ~ ., wina)
### --- Funkcje ---- ### ### --- Funkcje ---- ### ### --- Funkcje ---- ### ### --- Funkcje ---- ###
CM.large <- function(org.class, pred.class) {
CM <- table(org.class, pred.class)
# Skuteczność klasyfikatora
ACC <- sum(diag(CM)) / sum(CM)
TP1 <- CM[1,1]
TP2 <- CM[2,2]
TP3 <- CM[3,3]
gsums <- sum(diag(CM))
sums <- apply(CM, 1, sum)
return(c(ACC = round(ACC,4), TP1 = TP1, TP2 = TP2, TP3 = TP3, GSUM = gsums, ALL = sum(CM), row.names = NULL))
}
### --- Funkcje ---- ### ### --- Funkcje ---- ### ### --- Funkcje ---- ### ### --- Funkcje ---- ###
# Powtórne podstawienie
wina.lda.old <- predict(class.lda, wina)
wina.qda.old <- predict(class.qda, wina)
wina.nb.old <- predict(class.nb, wina)
# Główne wartości z macierzy pomyłek dla powtórnego podstawienia
res.old <- CM.large(wina$class, wina.lda.old$class)
res.old <- rbind(res.old, CM.large(wina$class, wina.qda.old$class))
res.old <- rbind(res.old, CM.large(wina$class, wina.nb.old))
rownames(res.old) <- c("LDA ++", "QDA ++", "NB ++")
res.oldall <- res.old
cat("\n"); print("Uczenie na wszystkich kolumnach")
print(res.old)
### --- Punkt 4 - ograniczyc się do 2 pierwszych, 5 pierwszych i 10 pierwszych składowych i sprawdzić skuteczności klasyfikatorów --- ###
cat("\n"); print("--- Punkt nr 4 zadania ---");
# Na 2 pierwszych kolumnach
# Trenowanie klasyfikatorów na PU
class.lda <- lda(class ~ ., wina[,1:3])
class.qda <- qda(class ~ ., wina[,1:3])
class.nb <- naiveBayes(class ~ ., wina[,1:3])
# Powtórne podstawienie
wina.lda.old <- predict(class.lda, wina)
wina.qda.old <- predict(class.qda, wina)
wina.nb.old <- predict(class.nb, wina)
# Główne wartości z macierzy pomyłek dla powtórnego podstawienia
res.old <- CM.large(wina$class, wina.lda.old$class)
res.old <- rbind(res.old, CM.large(wina$class, wina.qda.old$class))
res.old <- rbind(res.old, CM.large(wina$class, wina.nb.old))
rownames(res.old) <- c("LDA 2", "QDA 2", "NB 2")
res.old2 <- res.old
#print(" "); print("Uczenie na 2 pierwszych kolumnach")
#print(res.old)
# Na 5 pierwszych kolumnach
class.lda <- lda(class ~ ., wina[,1:6])
class.qda <- qda(class ~ ., wina[,1:6])
class.nb <- naiveBayes(class ~ ., wina[,1:6])
wina.lda.old <- predict(class.lda, wina)
wina.qda.old <- predict(class.qda, wina)
wina.nb.old <- predict(class.nb, wina)
res.old <- CM.large(wina$class, wina.lda.old$class)
res.old <- rbind(res.old, CM.large(wina$class, wina.qda.old$class))
res.old <- rbind(res.old, CM.large(wina$class, wina.nb.old))
rownames(res.old) <- c("LDA 5", "QDA 5", "NB 5")
res.old5 <- res.old
#print(" "); print("Uczenie na 5 pierwszych kolumnach")
#print(res.old)
# Na 10 pierwszych kolumnach
class.lda <- lda(class ~ ., wina[,1:11])
class.qda <- qda(class ~ ., wina[,1:11])
class.nb <- naiveBayes(class ~ ., wina[,1:11])
wina.lda.old <- predict(class.lda, wina)
wina.qda.old <- predict(class.qda, wina)
wina.nb.old <- predict(class.nb, wina)
res.old <- CM.large(wina$class, wina.lda.old$class)
res.old <- rbind(res.old, CM.large(wina$class, wina.qda.old$class))
res.old <- rbind(res.old, CM.large(wina$class, wina.nb.old))
rownames(res.old) <- c("LDA 10", "QDA 10", "NB 10")
res.old10 <- res.old
#print(" "); print("Uczenie na 10 pierwszych kolumnach")
#print(res.old)
res.all <- rbind(res.old2, res.old5, res.old10, res.oldall)
cat("\n"); print("Kumulacja danych")
print(res.all)
### --- Punkt 5 - ograniczyć się do 2 pierwszych zmiennych, podzielić zbiór (PU/PW/PT) 50/25/25 i w ten sposób dokonać wyboru spośród LDA, QDA, NB --- ###
cat("\n"); print("--- Punkt nr 5 zadania ---");
bound_train <- floor((nrow(wina)/2))
bound_walid <- floor((nrow(wina)/4))
bound_test <- floor((nrow(wina)/4))
losowanie <- wina[sample(nrow(wina)), 1:3]
### Metoda 1 - zbieranie poszczególnych danych z tablicy losowania
train <- losowanie[1:bound_train,]
walid <- losowanie[(bound_train+1):(bound_train+bound_walid),]
test <- losowanie[(bound_train+bound_walid+1):nrow(losowanie),]
### Uczenie na tablicy TRAIN i macierz pomyłki dla powtórnego podstawienia.
# Trenowanie klasyfikatorów na PU
class.lda <- lda(class ~ ., train)
class.qda <- qda(class ~ ., train)
class.nb <- naiveBayes(class ~ ., train)
# Powtórne podstawienie
train.lda.old <- predict(class.lda, train)
train.qda.old <- predict(class.qda, train)
train.nb.old <- predict(class.nb, train)
# Główne wartości z macierzy pomyłek dla powtórnego podstawienia
res.old <- CM.large(train$class, train.lda.old$class)
res.old <- rbind(res.old, CM.large(train$class, train.qda.old$class))
res.old <- rbind(res.old, CM.large(train$class, train.nb.old))
rownames(res.old) <- c("LDA", "QDA", "NB")
res.old_train <- res.old
#print(" "); print("Uczenie na TRAIN i parametry klasyfikatorów po ponownym podstawieniu")
#print(res.old_train)
### Sprawdzenie nauczonych klasyfikatorów na próbie walidacyjnej
# Predykcja na zbiorze walidacyjnym
walid.lda.val <- predict(class.lda, walid)
walid.qda.val <- predict(class.qda, walid)
walid.nb.val <- predict(class.nb, walid)
walid.nb.val.p <- predict(class.nb, walid, type = "raw")
res.val <- CM.large(walid$class, walid.lda.val$class)
res.val <- rbind(res.val, CM.large(walid$class, walid.qda.val$class))
res.val <- rbind(res.val, CM.large(walid$class, walid.nb.val))
rownames(res.val) <- c("LDA", "QDA", "NB")
res.old_walid <- res.val
cat("\n"); print("Uczenie na TRAIN i sprawdzenie na WALID: parametry klasyfikatorów")
print(res.old_walid)
### Sprawdzenie nauczonych klasyfikatorów na próbie testowej
# Predykcja na zbiorze testowym
wygrana <- rownames(res.val)[which.max(res.val[,1])]
cat("\n"); print("Wygrało tym razem: ")
print(wygrana)
if(wygrana == "LDA"){
test.lda.test <- predict(class.lda, test)
res.test <- rbind(CM.large(test$class, test.lda.test$class))
}
if(wygrana == "QDA"){
test.qda.test <- predict(class.qda, test)
res.test <- rbind(CM.large(test$class, test.qda.test$class))
}
if(wygrana == "NB"){
test.nb.test <- predict(class.nb, test)
test.nb.test.p <- predict(class.nb, test, type = "raw")
res.test <- rbind(CM.large(test$class, test.nb.test))
}
res.old_test <- res.test
rownames(res.old_test) <- c(wygrana)
cat("\n"); print("Uczenie na PU (TRAIN) i sprawdzenie na PT (próbce TEST): ")
#print(wygrana)
#print(" ");
print(res.old_test)
### ---
### --- Punkt 6 - ograniczyć się do 2 pierwszych zmiennych, wykonać kroswalidację w przypadku LDA, porównac z poprzednim punktem oraz powtórnym podstawieniem.
### ---
cat("\n"); print("--- Punkt nr 6 zadania ---");
# ramka "losowanie" ma już wymieszane rzeczy
# teraz kroswalidacja dla LDA
# porównać z punktem 5: walidacją i ponownym podstawieniem (też punkt 5)
k <- 5 #kroswalidacja, podzielenie ilości wierszy przez k
k_rows <- nrow(losowanie) / k
k_rows <- as.integer(round(k_rows))
## Ogólny wzór na pętle kroswalidacji:
#class.lda <- lda(class ~ ., losowanie[-((x*k_rows+1):(x*k_rows+k_rows)),])
#walid.lda.val <- predict(class.lda, losowanie[((x*k_rows+1):(x*k_rows+k_rows)),])
#LDA.val <- rbind(LDA.val, CM.large(losowanie[((x*k_rows+1):(x*k_rows+k_rows)),]$class, walid.lda.val$class))
class.lda <- lda(class ~ ., losowanie[-(1:k_rows),]) #Część K1 - od -> 1:k_rows
walid.lda.val <- predict(class.lda, losowanie[1:k_rows,])
LDA.val <- CM.large(losowanie[1:k_rows,]$class, walid.lda.val$class)
for(x in 1:(k-2))
{
class.lda <- lda(class ~ ., losowanie[-((x*k_rows+1):(x*k_rows+k_rows)),])
walid.lda.val <- predict(class.lda, losowanie[((x*k_rows+1):(x*k_rows+k_rows)),])
LDA.val <- rbind(LDA.val, CM.large(losowanie[((x*k_rows+1):(x*k_rows+k_rows)),]$class, walid.lda.val$class))
}
class.lda <- lda(class ~ ., losowanie[-(((k-1)*k_rows+1):(nrow(losowanie))),]) #Część K5 - od -> (4*k_rows+1):(nrow(losowanie))
walid.lda.val <- predict(class.lda, losowanie[((k-1)*k_rows+1):(nrow(losowanie)),])
LDA.val <- rbind(LDA.val, CM.large(losowanie[(((k-1)*k_rows+1):(nrow(losowanie))),]$class, walid.lda.val$class))
ifelse(k==5,(rownames(LDA.val) <- c("LDA K1", "LDA K2", "LDA K3", "LDA K4", "LDA K5")), rownames(LDA.val) <- c(1:k))
res.old_LDA_6 <- LDA.val
cat("\n"); print("Uczenie na kroswalidacji - Test K: parametry LDA")
print(res.old_LDA_6)
kap = as.numeric(gsub("[a-zA-Z ]", "",rownames(LDA.val)[which.max(LDA.val[,1])]))
kroswalid_acc = sum(res.old_LDA_6[,5])/sum(res.old_LDA_6[,6])
cat("\n");
print("Prawidłowe predykcje / wszystkie dane - dla kroswalidacji: ")
print(kroswalid_acc)
print("Najlepsza predykcja - dla kroswalidacji: ")
print(res.old_LDA_6[kap,1])
LDAvs <- rbind(c(round(res.old_train[1,1],4), round(res.old_walid[1,1],4), round(kroswalid_acc,4)))
colnames(LDAvs) <- c("PP", "WALID", "CV")
rownames(LDAvs) <- c("ACC")
cat("\n"); print(LDAvs)