Funciones para trabajar con "Data sets": Pds::DataSet::AllIndices(), Pds::DataSet::Split(), etc. Más...

Namespaces
namespace	Pds
	Nombre de espacio para Pds (Procesamiento Digital de Senales)

namespace	Pds::DataSet
	Nombre de espacio para DataSet (Funciones para manipulación de data sets)

Trabajar con indices
Salva datos de matrices
Pds::DataSetIndices	Pds::DataSet::AllIndices (unsigned int N, double Training, double CrossVal, double Test)
	Calcula indices para {Training, CrossValidation, Test}, selecionados aleatoriamente sin repetición. Más...

Trabajar con data sets
Salva datos de matrices
Pds::DataSetBlock	Pds::DataSet::Split (const Pds::Matrix &X, const Pds::Vector &Y, double Training, double CrossVal, double Test)
	Divide un data set en 3 data set: {Training, CrossValidation, Test}, selecionados aleatoriamente sin repetición. Más...

Pds::DataSetBlock	Pds::DataSet::SplitAndScaling (const Pds::Matrix &X, const Pds::Vector &Y, double Training, double CrossVal, double Test, Pds::Vector &Std, Pds::Vector &Mean)
	Divide un data set en 3 data set: {Training, CrossValidation, Test}, selecionados aleatoriamente sin repetición. Más...

double	Pds::DataSet::Volume (const Pds::Matrix &X)
	Calcula el volumen del dataset. Más...

double	Pds::DataSet::VolumeInValidDims (const Pds::Matrix &X)
	Calcula el volumen del dataset en dimenciones com min diferente de max. Más...

double	Pds::DataSet::InterDistance (const Pds::Matrix &X)
	Calcula la interdistancia entre las muestras de $\mathbf{X}$ , donde cada muestra $\mathbf{x}_l$ de $\mathbf{X}$ tiene dimensión . Más...

Trabajar con Information Gain
Salva datos de matrices
bool	Pds::DataSet::GetBestIGThreshold (const Pds::Vector &V, const Pds::Vector &Y, double YUmbral, unsigned int MinID, double &ValUmbral, double &BestIG, unsigned int &Sign)
	Retorna el mejor quiebre del vector V para obtener la mayor Information Gain ( ). Más...

Descripción detallada

Funciones para trabajar con "Data sets": Pds::DataSet::AllIndices(), Pds::DataSet::Split(), etc.

#include <Pds/FuncDataSet>

Documentación de las funciones

◆ AllIndices()

Pds::DataSetIndices Pds::DataSet::AllIndices	(	unsigned int	N,
		double	Training,
		double	CrossVal,
		double	Test
	)

Calcula indices para {Training, CrossValidation, Test}, selecionados aleatoriamente sin repetición.

Parámetros

[in]	N	Numero de muestras.
[in]	Training	Porcion de las N muestras.
[in]	CrossVal	Porcion de las N muestras.
[in]	Test	Porcion de las N muestras.

Devuelve: Retorna indices para {Training, CrossValidation, Test}.

◆ Split()

Pds::DataSetBlock Pds::DataSet::Split	(	const Pds::Matrix &	X,
		const Pds::Vector &	Y,
		double	Training,
		double	CrossVal,
		double	Test
	)

Divide un data set en 3 data set: {Training, CrossValidation, Test}, selecionados aleatoriamente sin repetición.

Parámetros

[in]	X	Data X
[in]	Y	Data Y.
[in]	Training	Porcion del total de muestras.
[in]	CrossVal	Porcion del total de muestras.
[in]	Test	Porcion del total de muestras.

Devuelve: Retorna un bloque de datos con data set para {Training, CrossValidation, Test}.

Ejemplos: example_linearmodel.cpp, example_logisticregression_ce.cpp, example_logisticregression_ms.cpp, example_logisticregression_svm.cpp y example_perceptron_predict.cpp.

◆ SplitAndScaling()

Pds::DataSetBlock Pds::DataSet::SplitAndScaling	(	const Pds::Matrix &	X,
		const Pds::Vector &	Y,
		double	Training,
		double	CrossVal,
		double	Test,
		Pds::Vector &	Std,
		Pds::Vector &	Mean
	)

Divide un data set en 3 data set: {Training, CrossValidation, Test}, selecionados aleatoriamente sin repetición.

Parámetros

[in]	X	Data X
[in]	Y	Data Y.
[in]	Training	Porcion del total de muestras.
[in]	CrossVal	Porcion del total de muestras.
[in]	Test	Porcion del total de muestras.
[out]	Std	Desvio padrao de cada coluna.
[out]	Mean	Média de cada coluna.

Devuelve: Retorna un bloque de datos con data set para {Training, CrossValidation, Test}.

◆ Volume()

double Pds::DataSet::Volume ( const Pds::Matrix & X )

Calcula el volumen del dataset.

$\prod_i \left(max\{x_i\}-min\{x_i\}\right)$

Parámetros

[in] X Dataset X

Devuelve: Retorna el volumen del dataset.

◆ VolumeInValidDims()

double Pds::DataSet::VolumeInValidDims ( const Pds::Matrix & X )

Calcula el volumen del dataset en dimenciones com min diferente de max.

$\prod_i if(max\{x_i\}\neq min\{x_i\})~ \left(max\{x_i\}-min\{x_i\}\right)$

Parámetros

[in] X Dataset X

Devuelve: Retorna el volumen del dataset.

◆ InterDistance()

double Pds::DataSet::InterDistance ( const Pds::Matrix & X )

Calcula la interdistancia entre las muestras de $\mathbf{X}$ , donde cada muestra $\mathbf{x}_l$ de $\mathbf{X}$ tiene dimensión .

$d=\sqrt[N]{\frac{Pds::DataSet::Volume(\mathbf{X})}{L}}$

Parámetros

[in] X Dataset X

Devuelve: Retorna la interdistancia .

◆ GetBestIGThreshold()

bool Pds::DataSet::GetBestIGThreshold	(	const Pds::Vector &	V,
		const Pds::Vector &	Y,
		double	YUmbral,
		unsigned int	MinID,
		double &	ValUmbral,
		double &	BestIG,
		unsigned int &	Sign
	)

Retorna el mejor quiebre del vector V para obtener la mayor Information Gain ( ).

Parámetros

[in]	V	Data V de elementos.
[in]	Y	Data Y de elementos.
[in]	YUmbral	Umbral de para la binarizacion de Y, Y>=YUmbral.
[in]	MinID	Minimo numero de ID a testar. if((2*MinID)>Y.Nel()) return false;
[out]	ValUmbral	El mejor quiebre del vector V para obtener la mayor Information Gain ( ).
[out]	BestIG	La mayor Information Gain ( ) para la posición .
[out]	Sign	Si Sign==1 la mayor cantidad de unos esta en la parte superio, si Sign==0 en la inferior.

Devuelve: true si todo fue bien o false si no.

Namespaces

Trabajar con indices

Trabajar con data sets

Trabajar con Information Gain

Descripción detallada

Documentación de las funciones

◆ AllIndices()

◆ Split()

◆ SplitAndScaling()

◆ Volume()

◆ VolumeInValidDims()

◆ InterDistance()

◆ GetBestIGThreshold()

Enlaces de interés