Changeset 10131:6fccec126623 in orange


Ignore:
Timestamp:
02/08/12 21:22:30 (2 years ago)
Author:
Jure Zbontar <jure.zbontar@…>
Branch:
default
Message:

Fixed doctests.

Location:
Orange
Files:
2 edited

Legend:

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

    r10030 r10131  
    237237        >>> learner = svm.SVMLearner() 
    238238        >>> results = testing.cross_validation([learner], table, folds=5) 
    239         >>> print scoring.CA(results) 
     239        >>> print scoring.CA(results)[0] 
     240        0.789613644274 
    240241     
    241242    """ 
     
    351352             
    352353        An example that tunes the `gamma` parameter on `data` using 3-fold cross  
    353         validation. 
    354          
    355             >>> svm = Orange.classification.svm.SVMLearner() 
    356             >>> svm.tune_parameters(table, parameters=["gamma"], folds=3) 
     354        validation. :: 
     355 
     356        svm = Orange.classification.svm.SVMLearner() 
     357        svm.tune_parameters(table, parameters=["gamma"], folds=3) 
    357358                     
    358359        """ 
     
    690691    Example: 
    691692     
    692         >>> score = ScoreSVMWeights() 
     693        >>> score = Orange.classification.svm.ScoreSVMWeights() 
    693694        >>> for feature in table.domain.features: 
    694             ...   print "%15s: %.3f" % (feature.name, score(feature, table)) 
    695            
     695        ...     print "%15s: %.3f" % (feature.name, score(feature, table)) 
     696            compactness: 0.019 
     697            circularity: 0.026 
     698        distance circularity: 0.007 
     699           radius ratio: 0.010 
     700        pr.axis aspect ratio: 0.076 
     701        max.length aspect ratio: 0.010 
     702          scatter ratio: 0.046 
     703          elongatedness: 0.094 
     704        pr.axis rectangularity: 0.006 
     705        max.length rectangularity: 0.031 
     706        scaled variance along major axis: 0.001 
     707        scaled variance along minor axis: 0.000 
     708        scaled radius of gyration: 0.002 
     709        skewness about major axis: 0.004 
     710        skewness about minor axis: 0.003 
     711        kurtosis about minor axis: 0.001 
     712        kurtosis about major axis: 0.060 
     713          hollows ratio: 0.028 
     714               
    696715    """ 
    697716     
     
    742761    weights. 
    743762     
    744     Example: 
    745      
    746         >>> rfe = RFE(SVMLearner(kernel_type=kernels.Linear, \ 
    747 normalization=False)) # normalization=False -> do not change the domain  
    748         >>> data_with_removed_features = rfe(table, 5) # table with 5 best attributes 
     763    Example:: 
     764     
     765        import Orange 
     766        table = Orange.data.Table("vehicle.tab") 
     767        l = Orange.classification.svm.SVMLearner( 
     768            kernel_type=Orange.classification.svm.kernels.Linear,  
     769            normalization=False) # normalization=False will not change the domain 
     770        rfe = Orange.classification.svm.RFE(l) 
     771        data_with_removed_features = rfe(table, 5) 
    749772         
    750773    """ 
  • Orange/regression/earth.py

    r9927 r10131  
    1818Example :: 
    1919 
    20     >>> from Orange.regression import earth 
     20    >>> import Orange 
    2121    >>> data = Orange.data.Table("housing") 
    22     >>> c = earth.EarthLearner(data, degree=2) 
     22    >>> c = Orange.regression.earth.EarthLearner(data, degree=2) 
    2323    >>> print c 
    2424    MEDV = 
     
    3030       +0.023 * max(0, TAX - 307.000) * max(0, 6.120 - LSTAT) 
    3131       +0.029 * max(0, 307.000 - TAX) * max(0, 6.120 - LSTAT) 
    32         
    33     >>>  
    3432 
    3533 
     
    877875    :obj:`EarthClassifier.evimp` call. 
    878876     
    879         >>> data = Orange.data.Table("housing") 
    880         >>> c = EarthLearner(data, degree=3) 
    881         >>> plot_evimp(c.evimp()) 
    882          
     877    :: 
     878 
     879        import Orange 
     880        data = Orange.data.Table("housing") 
     881        c = Orange.regression.earth.EarthLearner(data, degree=3) 
     882        Orange.regression.earth.plot_evimp(c.evimp()) 
     883 
    883884    .. image:: files/earth-evimp.png 
    884885      
     
    921922    """ Extract combined (average) evimp from an instance of BaggedClassifier 
    922923     
    923     Example :: 
    924      
    925         >>> from Orange.ensemble.bagging import BaggedLearner 
    926         >>> bc = BaggedLearner(EarthLearner(degree=3, terms=10), data) 
    927         >>> bagged_evimp(bc) 
    928          
     924    Example:: 
     925 
     926        from Orange.ensemble.bagging import BaggedLearner 
     927        bc = BaggedLearner(EarthLearner(degree=3, terms=10), data) 
     928        bagged_evimp(bc) 
     929 
    929930    """ 
    930931    def assert_type(object, class_): 
Note: See TracChangeset for help on using the changeset viewer.