Ignore:
Location:
Orange
Files:
3 edited

Legend:

Unmodified
Added
Removed
  • Orange/classification/svm/__init__.py

    r10642 r10665  
    7474    :param shrinking: use shrinking heuristics  
    7575    :type shrinking: bool 
     76    :param normalization: normalize the input data prior to learning 
     77        (default ``True``) 
     78    :type normalization: bool 
    7679    :param weight: a list of class weights 
    7780    :type weight: list 
     
    8588        >>> learner = svm.SVMLearner() 
    8689        >>> results = testing.cross_validation([learner], data, folds=5) 
    87         >>> print scoring.CA(results)[0] 
    88         0.789613644274 
     90        >>> print "CA:  %.4f" % scoring.CA(results)[0] 
     91        CA:  0.7908 
     92        >>> print "AUC: %.4f" % scoring.AUC(results)[0] 
     93        AUC: 0.9565 
     94         
    8995     
    9096    """ 
     
    661667    """ 
    662668 
    663     def __init__(self, **kwds): 
    664         self.folds = 4 
    665         self.verbose = 0 
    666         SVMLearner.__init__(self, **kwds) 
    667         self.learner = SVMLearner(**kwds) 
     669    def __init__(self, folds=4, verbose=0, **kwargs): 
     670        """ 
     671        :param folds: the number of folds to use in cross validation 
     672        :type folds:  int 
     673         
     674        :param verbose: verbosity of the tuning procedure. 
     675        :type verbose: int 
     676         
     677        ``kwargs`` is passed to :class:`SVMLearner` 
     678         
     679        """ 
     680        SVMLearner.__init__(self, **kwargs) 
     681        self.folds = folds 
     682        self.verbose = verbose 
     683         
     684        self.learner = SVMLearner(**kwargs) 
    668685 
    669686    def learn_classifier(self, data): 
     
    700717 
    701718class SVMLearnerSparseEasy(SVMLearnerEasy): 
    702     def __init__(self, **kwds): 
    703         SVMLearnerEasy.__init__(self, **kwds) 
    704         self.learner = SVMLearnerSparse(**kwds) 
     719    def __init__(self, folds=4, verbose=0, **kwargs): 
     720        SVMLearnerEasy.__init__(self, folds=folds, verbose=verbose, 
     721                                **kwargs) 
     722        self.learner = SVMLearnerSparse(**kwargs) 
    705723 
    706724def default_preprocessor(): 
     
    870888        >>> score = Orange.classification.svm.ScoreSVMWeights() 
    871889        >>> for feature in table.domain.features: 
    872         ...     print "%15s: %.3f" % (feature.name, score(feature, table)) 
    873             compactness: 0.019 
    874             circularity: 0.026 
    875         distance circularity: 0.007 
    876            radius ratio: 0.010 
    877         pr.axis aspect ratio: 0.076 
    878         max.length aspect ratio: 0.010 
    879           scatter ratio: 0.046 
    880           elongatedness: 0.094 
    881         pr.axis rectangularity: 0.006 
    882         max.length rectangularity: 0.031 
    883         scaled variance along major axis: 0.001 
    884         scaled variance along minor axis: 0.000 
    885         scaled radius of gyration: 0.002 
    886         skewness about major axis: 0.004 
    887         skewness about minor axis: 0.003 
    888         kurtosis about minor axis: 0.001 
    889         kurtosis about major axis: 0.060 
    890           hollows ratio: 0.028 
     890        ...     print "%-35s: %.3f" % (feature.name, score(feature, table)) 
     891        compactness                        : 0.019 
     892        circularity                        : 0.025 
     893        distance circularity               : 0.007 
     894        radius ratio                       : 0.010 
     895        pr.axis aspect ratio               : 0.076 
     896        max.length aspect ratio            : 0.010 
     897        scatter ratio                      : 0.046 
     898        elongatedness                      : 0.095 
     899        pr.axis rectangularity             : 0.006 
     900        max.length rectangularity          : 0.030 
     901        scaled variance along major axis   : 0.001 
     902        scaled variance along minor axis   : 0.001 
     903        scaled radius of gyration          : 0.002 
     904        skewness about major axis          : 0.004 
     905        skewness about minor axis          : 0.003 
     906        kurtosis about minor axis          : 0.001 
     907        kurtosis about major axis          : 0.060 
     908        hollows ratio                      : 0.029 
     909         
    891910               
    892911    """ 
     
    10421061 
    10431062tableToSVMFormat = table_to_svm_format 
     1063 
     1064 
     1065def _doctest_args(): 
     1066    """For unittest framework to test the docstrings. 
     1067    """ 
     1068    import Orange 
     1069    table = Orange.data.Table("vehicle.tab") 
     1070    extraglobs = locals() 
     1071    return {"extraglobs": extraglobs} 
  • Orange/testing/unit/tests/test_earth.py

    r10655 r10666  
    102102                            zip(predictor.class_vars, domain.class_vars))) 
    103103         
    104      
    105104#@datasets_driven(datasets=testing.REGRESSION_DATASETS,) 
    106105#class TestScoreRSS(testing.MeasureAttributeTestCase): 
     
    109108#        self.measure = ScoreRSS() 
    110109 
     110def load_tests(loader, tests, ignore): 
     111    import doctest 
     112    loader.addTests(doctest.DocTestSuite(earth, **earth._doctest_args())) 
     113    return loader 
    111114 
    112115if __name__ == "__main__": 
  • Orange/testing/unit/tests/test_svm.py

    r10655 r10666  
    5151        sample = data.select(indices(data), 0) 
    5252         
    53         learner = copy.copy(self.LEARNER) 
     53        learner = copy.copy(self.learner) 
    5454        learner.probability = False  
    5555        classifier_no_prob = learner(data) 
     
    6868            self.assertEqual(prediction_1, prediciton_2) 
    6969             
    70  
    7170datasets = testing.CLASSIFICATION_DATASETS + testing.REGRESSION_DATASETS 
    7271@datasets_driven(datasets=datasets) 
     
    139138        testing.LearnerTestCase.test_learner_on(self, dataset) 
    140139        svm_test_binary_classifier(self, dataset) 
    141          
    142          
     140 
    143141@datasets_driven(datasets=datasets) 
    144142class SigmoidSVMTestCase(testing.LearnerTestCase): 
     
    149147        testing.LearnerTestCase.test_learner_on(self, dataset) 
    150148        svm_test_binary_classifier(self, dataset) 
    151          
    152149 
    153150 
     
    170167        svm_test_binary_classifier(self, dataset) 
    171168 
    172   
     169 
    173170@datasets_driven(datasets=datasets) 
    174171class CustomWrapperSVMTestCase(testing.LearnerTestCase): 
     
    189186        svm_test_binary_classifier(self, data) 
    190187 
    191  
    192188@datasets_driven(datasets=testing.CLASSIFICATION_DATASETS) 
    193189class TestLinLearner(testing.LearnerTestCase): 
     
    217213        copy = cPickle.loads(cPickle.dumps(rfe)) 
    218214 
     215def load_tests(loader, tests, ignore): 
     216    import doctest 
     217    tests.addTests(doctest.DocTestSuite(svm, **svm._doctest_args())) 
     218    return tests 
    219219 
    220220if __name__ == "__main__": 
Note: See TracChangeset for help on using the changeset viewer.