s444360/SI_2020
1
0
Fork 0
Code Issues Pull Requests Releases Wiki Activity

Poprawka, dodanie wyników testowania

Browse Source
This commit is contained in:
andrzej 2020-05-11 13:44:58 +02:00
parent 0dcc57ba93
commit cda73609f7
4 changed files with 12 additions and 6 deletions
Show Stats Download Patch File Download Diff File Expand all files Collapse all files

8
Andrzej_Preibisz.md
View File

@ -57,7 +57,8 @@ i prawdopodobnie oznaczało overfitting drzewa. W przypadku głębokości chodzi
Zastosowany zbiór uczący obejmuje 373 rekordy zapisane w formacie .csv, w którym poszczególne kolumny oznaczają odpowiednio: Zastosowany zbiór uczący obejmuje 373 rekordy zapisane w formacie .csv, w którym poszczególne kolumny oznaczają odpowiednio:
produkt, kategorię produktu, temperature na regale, wilgotność powietrza na danym regale, szansę że przedmiot po dłuższym czasie przechowywania będzie w dobrym stanie, oraz informację czy można bezpiecznie go tu położyć. produkt, kategorię produktu, temperature na regale, wilgotność powietrza na danym regale, szansę że przedmiot po dłuższym czasie przechowywania będzie w dobrym stanie, oraz informację czy można bezpiecznie go tu położyć.
Przykładowy rekord: ``frozen food,freezed,21, 0.5, 0.01, 0 `` . Zbiór testowy z kolei zawiera 26 rekordów w tym samym formacie. Przykładowy rekord: ``frozen food,freezed,21, 0.5, 0.01, 0 `` . Zbiór testowy z kolei zawiera 26 rekordów w tym samym formacie.
Przygotowanie zbioru uczącego i testowego dla drzewa: \ Zbiór uczący znajduje się w pliku package_location_classifier/trainset/trainset.csv, a testowy package_location/testset/testset.csv.
Przygotowanie zbioru uczącego i testowego dla drzewa:
`` ``
products = pd.read_csv("package_location_classifier/trainset/trainset.csv", header=0, sep=",", names=cols_names) products = pd.read_csv("package_location_classifier/trainset/trainset.csv", header=0, sep=",", names=cols_names)
testset = pd.read_csv("package_location_classifier/testset/testset.csv", header=None, sep=",", names=cols_names) testset = pd.read_csv("package_location_classifier/testset/testset.csv", header=None, sep=",", names=cols_names)
@ -71,6 +72,9 @@ Przygotowanie zbioru uczącego i testowego dla drzewa: \
X_train = pd.get_dummies(products[feature_cols]) X_train = pd.get_dummies(products[feature_cols])
y_train = products.chance_of_survive y_train = products.chance_of_survive
`` ``
Graficzna reprezentacja drzewa wygenerowanego dla tego zbioru uczącego: \ Graficzna reprezentacja drzewa wygenerowanego dla tego zbioru uczącego:
[Przykładowe drzewo](Drzewo.png) [Przykładowe drzewo](Drzewo.png)
Wyniki ewaluacji zestawu testowego, znajdujące się w pliku Test_results.xlsx:
[Wyniki testu](Test_Results.png)

BIN
Test_Results.png Normal file
View File

Binary file not shown.
Side by Side

After

Width:  |  Height:  |  Size: 74 KiB

BIN
Test_results.xlsx Normal file
View File

Binary file not shown.

10
package_location_classifier/classifier.py
View File

@ -47,12 +47,14 @@ class PackageLocationClassifier():
y_pred = self.predictor.predict(test_X) y_pred = self.predictor.predict(test_X)
evaluation = pd.DataFrame({'category': testset.category, 'temperature': testset.temperature , 'humid': testset.humidity ,'Actual': test_y, 'Predicted': y_pred}) evaluation = pd.DataFrame({'category': testset.category, 'temperature': testset.temperature , 'humid': testset.humidity ,'Actual': test_y, 'Predicted': y_pred})
evaluation = evaluation.round({'Actual': 3, 'Predicted': 3})
evaluation['Prediction_diff'] = abs(evaluation['Actual'] - evaluation['Predicted']) evaluation['Prediction_diff'] = abs(evaluation['Actual'] - evaluation['Predicted'])
evaluation.to_excel("Test_resultsv2.xlsx")
print("Prediction differs from actual value by average {}".format(round(evaluation['Prediction_diff'].mean(), 2))) print("Prediction differs from actual value by average {}".format(round(evaluation['Prediction_diff'].mean(), 2)))
export_graphviz(clf, out_file=data, filled=True, rounded=True, special_characters=True, feature_names=dummies_names) # export_graphviz(clf, out_file=data, filled=True, rounded=True, special_characters=True, feature_names=dummies_names)
graph = pydotplus.graph_from_dot_data(data.getvalue()) # graph = pydotplus.graph_from_dot_data(data.getvalue())
graph.write_png('Drzewo.png') # graph.write_png('Drzewo.png')
Image(graph.create_png()) # Image(graph.create_png())
def check_if_can_place(self, package, tile): def check_if_can_place(self, package, tile):
category = package.category category = package.category