Skip to content
GitLab
Projects
Groups
Snippets
Help
Loading...
Help
Help
Support
Community forum
Keyboard shortcuts
?
Submit feedback
Contribute to GitLab
Sign in
Toggle navigation
Open sidebar
Pablo Daniel Herrero
metodos-2024-2c-tp2
Commits
c6b13175
Commit
c6b13175
authored
6 months ago
by
Pablo Herrero
Browse files
Options
Download
Email Patches
Plain Diff
Add best results on all data
parent
ec6f026e
Changes
4
Hide whitespace changes
Inline
Side-by-side
Showing
4 changed files
with
392 additions
and
185 deletions
+392
-185
samples/best_results_with_mean.txt
samples/best_results_with_mean.txt
+127
-60
samples/best_results_with_no_centering.txt
samples/best_results_with_no_centering.txt
+127
-60
samples/best_results_with_tf_idf.txt
samples/best_results_with_tf_idf.txt
+127
-60
src/experiments/full_dataset_analisys.py
src/experiments/full_dataset_analisys.py
+11
-5
No files found.
samples/best_results_with_mean.txt
View file @
c6b13175
Para (P = 141) y (K = 11) es 0.747
Para (P = 144) y (K = 11) es 0.747
Para (P = 145) y (K = 11) es 0.738
Para (P = 99) y (K = 8) es 0.734
Para (P = 143) y (K = 11) es 0.734
Para (P = 30) y (K = 11) es 0.731
Para (P = 110) y (K = 6) es 0.731
Para (P = 135) y (K = 11) es 0.731
Para (P = 140) y (K = 11) es 0.731
Para (P = 152) y (K = 9) es 0.731
Para (P = 111) y (K = 6) es 0.728
Para (P = 136) y (K = 11) es 0.728
Para (P = 138) y (K = 11) es 0.728
Para (P = 142) y (K = 12) es 0.728
Para (P = 146) y (K = 11) es 0.728
Para (P = 153) y (K = 9) es 0.728
Para (P = 242) y (K = 12) es 0.728
Para (P = 243) y (K = 12) es 0.728
Para (P = 29) y (K = 11) es 0.725
Para (P = 95) y (K = 8) es 0.725
Para (P = 108) y (K = 6) es 0.725
Para (P = 109) y (K = 6) es 0.725
Para (P = 123) y (K = 12) es 0.725
Para (P = 124) y (K = 12) es 0.725
Para (P = 126) y (K = 11) es 0.725
Para (P = 133) y (K = 11) es 0.725
Para (P = 139) y (K = 11) es 0.725
Para (P = 142) y (K = 11) es 0.725
Para (P = 154) y (K = 11) es 0.725
Para (P = 168) y (K = 16) es 0.725
Para (P = 169) y (K = 16) es 0.725
Para (P = 178) y (K = 18) es 0.725
Para (P = 238) y (K = 12) es 0.725
Para (P = 239) y (K = 12) es 0.725
Para (P = 240) y (K = 12) es 0.725
Para (P = 241) y (K = 12) es 0.725
Para (P = 34) y (K = 10) es 0.722
Para (P = 38) y (K = 11) es 0.722
Para (P = 96) y (K = 8) es 0.722
Para (P = 98) y (K = 8) es 0.722
Para (P = 100) y (K = 8) es 0.722
Para (P = 105) y (K = 6) es 0.722
Para (P = 107) y (K = 6) es 0.722
Para (P = 108) y (K = 8) es 0.722
Para (P = 114) y (K = 7) es 0.722
Para (P = 120) y (K = 12) es 0.722
Para (P = 124) y (K = 5) es 0.722
Para (P = 125) y (K = 8) es 0.722
Para (P = 126) y (K = 12) es 0.722
Para (P = 127) y (K = 5) es 0.722
Para (P = 128) y (K = 5) es 0.722
Para (P = 129) y (K = 5) es 0.722
Para (P = 129) y (K = 11) es 0.722
Para (P = 130) y (K = 11) es 0.722
Para (P = 134) y (K = 11) es 0.722
Para (P = 137) y (K = 11) es 0.722
Para (P = 137) y (K = 12) es 0.722
Para (P = 141) y (K = 9) es 0.722
Para (P = 142) y (K = 9) es 0.722
Para (P = 143) y (K = 12) es 0.722
Best experimental parameters using KNN (K = 12) is 0.8375
Best experimental parameters using KNN with PCA
Para (P = 141) y (K = 11) es 0.775
Para (P = 144) y (K = 11) es 0.75
Para (P = 145) y (K = 11) es 0.7625
Para (P = 99) y (K = 8) es 0.7875
Para (P = 143) y (K = 11) es 0.7625
Para (P = 30) y (K = 11) es 0.825
Para (P = 110) y (K = 6) es 0.725
Para (P = 135) y (K = 11) es 0.7625
Para (P = 140) y (K = 11) es 0.7625
Para (P = 152) y (K = 9) es 0.7875
Para (P = 111) y (K = 6) es 0.725
Para (P = 136) y (K = 11) es 0.725
Para (P = 138) y (K = 11) es 0.7875
Para (P = 142) y (K = 12) es 0.7625
Para (P = 146) y (K = 11) es 0.7625
Para (P = 153) y (K = 9) es 0.775
Para (P = 242) y (K = 12) es 0.8375
Para (P = 243) y (K = 12) es 0.8375
Para (P = 29) y (K = 11) es 0.8
Para (P = 95) y (K = 8) es 0.7625
Para (P = 108) y (K = 6) es 0.725
Para (P = 109) y (K = 6) es 0.725
Para (P = 123) y (K = 12) es 0.7375
Para (P = 124) y (K = 12) es 0.725
Para (P = 126) y (K = 11) es 0.7
Para (P = 133) y (K = 11) es 0.7625
Para (P = 139) y (K = 11) es 0.7625
Para (P = 142) y (K = 11) es 0.775
Para (P = 154) y (K = 11) es 0.7625
Para (P = 168) y (K = 16) es 0.7875
Para (P = 169) y (K = 16) es 0.7875
Para (P = 178) y (K = 18) es 0.7875
Para (P = 238) y (K = 12) es 0.8375
Para (P = 239) y (K = 12) es 0.8375
Para (P = 240) y (K = 12) es 0.8375
Para (P = 241) y (K = 12) es 0.825
Para (P = 34) y (K = 10) es 0.775
Para (P = 38) y (K = 11) es 0.7625
Para (P = 96) y (K = 8) es 0.7625
Para (P = 98) y (K = 8) es 0.7625
Para (P = 100) y (K = 8) es 0.75
Para (P = 105) y (K = 6) es 0.7125
Para (P = 107) y (K = 6) es 0.7125
Para (P = 108) y (K = 8) es 0.7375
Para (P = 114) y (K = 7) es 0.7625
Para (P = 120) y (K = 12) es 0.7375
Para (P = 124) y (K = 5) es 0.7625
Para (P = 125) y (K = 8) es 0.7625
Para (P = 126) y (K = 12) es 0.7375
Para (P = 127) y (K = 5) es 0.75
Para (P = 128) y (K = 5) es 0.725
Para (P = 129) y (K = 5) es 0.7125
Para (P = 129) y (K = 11) es 0.7625
Para (P = 130) y (K = 11) es 0.725
Para (P = 134) y (K = 11) es 0.7375
Para (P = 137) y (K = 11) es 0.7625
Para (P = 137) y (K = 12) es 0.7625
Para (P = 141) y (K = 9) es 0.7875
Para (P = 142) y (K = 9) es 0.8
Para (P = 143) y (K = 12) es 0.75
Best actual parameter using KNN
Para (K = 12) es 0.8375
Para (K = 10) es 0.825
Para (K = 11) es 0.825
Para (K = 8) es 0.8
Para (K = 13) es 0.8
Para (K = 88) es 0.8
Para (K = 89) es 0.8
Para (K = 4) es 0.7875
Para (K = 7) es 0.7875
Para (K = 9) es 0.7875
Best actual parameters using KNN with PCA
Para (P = 132) y (K = 20) es 0.8625
Para (P = 132) y (K = 21) es 0.8625
Para (P = 133) y (K = 18) es 0.8625
Para (P = 133) y (K = 20) es 0.8625
Para (P = 133) y (K = 21) es 0.8625
Para (P = 134) y (K = 21) es 0.8625
Para (P = 138) y (K = 21) es 0.8625
Para (P = 31) y (K = 24) es 0.85
Para (P = 31) y (K = 25) es 0.85
Para (P = 31) y (K = 26) es 0.85
Para (P = 31) y (K = 28) es 0.85
Para (P = 36) y (K = 24) es 0.85
Para (P = 125) y (K = 17) es 0.85
Para (P = 126) y (K = 23) es 0.85
Para (P = 129) y (K = 21) es 0.85
Para (P = 130) y (K = 20) es 0.85
Para (P = 130) y (K = 21) es 0.85
Para (P = 131) y (K = 20) es 0.85
Para (P = 131) y (K = 21) es 0.85
Para (P = 132) y (K = 18) es 0.85
Para (P = 134) y (K = 18) es 0.85
Para (P = 134) y (K = 20) es 0.85
Para (P = 136) y (K = 18) es 0.85
Para (P = 136) y (K = 21) es 0.85
Para (P = 137) y (K = 21) es 0.85
Para (P = 139) y (K = 21) es 0.85
Para (P = 140) y (K = 21) es 0.85
Para (P = 141) y (K = 18) es 0.85
Para (P = 207) y (K = 13) es 0.85
Para (P = 209) y (K = 13) es 0.85
Para (P = 14) y (K = 60) es 0.8375
Para (P = 15) y (K = 42) es 0.8375
Para (P = 16) y (K = 39) es 0.8375
Para (P = 16) y (K = 43) es 0.8375
Para (P = 19) y (K = 63) es 0.8375
Para (P = 21) y (K = 62) es 0.8375
Para (P = 28) y (K = 33) es 0.8375
Para (P = 30) y (K = 24) es 0.8375
Para (P = 30) y (K = 32) es 0.8375
Para (P = 31) y (K = 21) es 0.8375
Para (P = 31) y (K = 22) es 0.8375
Para (P = 31) y (K = 23) es 0.8375
Para (P = 31) y (K = 27) es 0.8375
Para (P = 31) y (K = 29) es 0.8375
Para (P = 31) y (K = 32) es 0.8375
Para (P = 32) y (K = 22) es 0.8375
Para (P = 32) y (K = 25) es 0.8375
Para (P = 32) y (K = 26) es 0.8375
Para (P = 32) y (K = 27) es 0.8375
Para (P = 32) y (K = 28) es 0.8375
This diff is collapsed.
Click to expand it.
samples/best_results_with_no_centering.txt
View file @
c6b13175
Para (P = 207) y (K = 28) es 0.797
Para (P = 233) y (K = 28) es 0.797
Para (P = 234) y (K = 28) es 0.797
Para (P = 153) y (K = 30) es 0.794
Para (P = 186) y (K = 34) es 0.794
Para (P = 204) y (K = 28) es 0.794
Para (P = 205) y (K = 11) es 0.794
Para (P = 206) y (K = 11) es 0.794
Para (P = 208) y (K = 28) es 0.794
Para (P = 214) y (K = 60) es 0.794
Para (P = 218) y (K = 15) es 0.794
Para (P = 235) y (K = 28) es 0.794
Para (P = 142) y (K = 58) es 0.791
Para (P = 148) y (K = 57) es 0.791
Para (P = 154) y (K = 30) es 0.791
Para (P = 156) y (K = 51) es 0.791
Para (P = 168) y (K = 56) es 0.791
Para (P = 181) y (K = 33) es 0.791
Para (P = 182) y (K = 33) es 0.791
Para (P = 183) y (K = 34) es 0.791
Para (P = 183) y (K = 35) es 0.791
Para (P = 187) y (K = 34) es 0.791
Para (P = 203) y (K = 28) es 0.791
Para (P = 205) y (K = 28) es 0.791
Para (P = 206) y (K = 28) es 0.791
Para (P = 207) y (K = 11) es 0.791
Para (P = 210) y (K = 28) es 0.791
Para (P = 211) y (K = 11) es 0.791
Para (P = 212) y (K = 11) es 0.791
Para (P = 213) y (K = 15) es 0.791
Para (P = 214) y (K = 15) es 0.791
Para (P = 215) y (K = 15) es 0.791
Para (P = 216) y (K = 15) es 0.791
Para (P = 216) y (K = 58) es 0.791
Para (P = 216) y (K = 60) es 0.791
Para (P = 217) y (K = 15) es 0.791
Para (P = 217) y (K = 28) es 0.791
Para (P = 219) y (K = 17) es 0.791
Para (P = 220) y (K = 28) es 0.791
Para (P = 221) y (K = 28) es 0.791
Para (P = 222) y (K = 28) es 0.791
Para (P = 223) y (K = 28) es 0.791
Para (P = 232) y (K = 28) es 0.791
Para (P = 233) y (K = 27) es 0.791
Para (P = 234) y (K = 27) es 0.791
Para (P = 235) y (K = 27) es 0.791
Para (P = 236) y (K = 28) es 0.791
Para (P = 243) y (K = 28) es 0.791
Para (P = 142) y (K = 44) es 0.788
Para (P = 143) y (K = 53) es 0.788
Para (P = 143) y (K = 97) es 0.788
Para (P = 144) y (K = 58) es 0.788
Para (P = 151) y (K = 72) es 0.788
Para (P = 152) y (K = 32) es 0.788
Para (P = 152) y (K = 33) es 0.788
Para (P = 153) y (K = 31) es 0.788
Para (P = 182) y (K = 35) es 0.788
Para (P = 182) y (K = 59) es 0.788
Para (P = 184) y (K = 59) es 0.788
Para (P = 186) y (K = 33) es 0.788
Best experimental parameters using KNN (K = 23) is 0.7875
Best experimental parameters using KNN with PCA
Para (P = 207) y (K = 28) es 0.8
Para (P = 233) y (K = 28) es 0.775
Para (P = 234) y (K = 28) es 0.775
Para (P = 153) y (K = 30) es 0.775
Para (P = 186) y (K = 34) es 0.8
Para (P = 204) y (K = 28) es 0.8
Para (P = 205) y (K = 11) es 0.775
Para (P = 206) y (K = 11) es 0.775
Para (P = 208) y (K = 28) es 0.8
Para (P = 214) y (K = 60) es 0.7625
Para (P = 218) y (K = 15) es 0.7875
Para (P = 235) y (K = 28) es 0.775
Para (P = 142) y (K = 58) es 0.7875
Para (P = 148) y (K = 57) es 0.8
Para (P = 154) y (K = 30) es 0.7625
Para (P = 156) y (K = 51) es 0.8
Para (P = 168) y (K = 56) es 0.8
Para (P = 181) y (K = 33) es 0.7625
Para (P = 182) y (K = 33) es 0.775
Para (P = 183) y (K = 34) es 0.8
Para (P = 183) y (K = 35) es 0.7875
Para (P = 187) y (K = 34) es 0.8
Para (P = 203) y (K = 28) es 0.8
Para (P = 205) y (K = 28) es 0.8
Para (P = 206) y (K = 28) es 0.8
Para (P = 207) y (K = 11) es 0.7875
Para (P = 210) y (K = 28) es 0.8
Para (P = 211) y (K = 11) es 0.775
Para (P = 212) y (K = 11) es 0.8
Para (P = 213) y (K = 15) es 0.775
Para (P = 214) y (K = 15) es 0.775
Para (P = 215) y (K = 15) es 0.775
Para (P = 216) y (K = 15) es 0.7875
Para (P = 216) y (K = 58) es 0.75
Para (P = 216) y (K = 60) es 0.75
Para (P = 217) y (K = 15) es 0.7875
Para (P = 217) y (K = 28) es 0.7875
Para (P = 219) y (K = 17) es 0.7625
Para (P = 220) y (K = 28) es 0.8
Para (P = 221) y (K = 28) es 0.8
Para (P = 222) y (K = 28) es 0.8
Para (P = 223) y (K = 28) es 0.8
Para (P = 232) y (K = 28) es 0.775
Para (P = 233) y (K = 27) es 0.8
Para (P = 234) y (K = 27) es 0.8125
Para (P = 235) y (K = 27) es 0.7875
Para (P = 236) y (K = 28) es 0.775
Para (P = 243) y (K = 28) es 0.7625
Para (P = 142) y (K = 44) es 0.8
Para (P = 143) y (K = 53) es 0.7875
Para (P = 143) y (K = 97) es 0.7625
Para (P = 144) y (K = 58) es 0.8
Para (P = 151) y (K = 72) es 0.8125
Para (P = 152) y (K = 32) es 0.775
Para (P = 152) y (K = 33) es 0.775
Para (P = 153) y (K = 31) es 0.7875
Para (P = 182) y (K = 35) es 0.775
Para (P = 182) y (K = 59) es 0.7875
Para (P = 184) y (K = 59) es 0.775
Para (P = 186) y (K = 33) es 0.8
Best actual parameter using KNN
Para (K = 7) es 0.8375
Para (K = 9) es 0.825
Para (K = 6) es 0.8125
Para (K = 10) es 0.8125
Para (K = 13) es 0.8125
Para (K = 15) es 0.8125
Para (K = 17) es 0.8125
Para (K = 19) es 0.8125
Para (K = 20) es 0.8125
Para (K = 22) es 0.8125
Best actual parameters using KNN with PCA
Para (P = 158) y (K = 16) es 0.85
Para (P = 160) y (K = 16) es 0.85
Para (P = 195) y (K = 23) es 0.85
Para (P = 196) y (K = 23) es 0.85
Para (P = 198) y (K = 23) es 0.85
Para (P = 201) y (K = 13) es 0.85
Para (P = 202) y (K = 13) es 0.85
Para (P = 203) y (K = 13) es 0.85
Para (P = 204) y (K = 13) es 0.85
Para (P = 205) y (K = 7) es 0.85
Para (P = 205) y (K = 13) es 0.85
Para (P = 206) y (K = 13) es 0.85
Para (P = 207) y (K = 7) es 0.85
Para (P = 207) y (K = 13) es 0.85
Para (P = 208) y (K = 7) es 0.85
Para (P = 210) y (K = 23) es 0.85
Para (P = 155) y (K = 16) es 0.8375
Para (P = 157) y (K = 16) es 0.8375
Para (P = 159) y (K = 16) es 0.8375
Para (P = 163) y (K = 13) es 0.8375
Para (P = 164) y (K = 13) es 0.8375
Para (P = 165) y (K = 13) es 0.8375
Para (P = 167) y (K = 13) es 0.8375
Para (P = 175) y (K = 14) es 0.8375
Para (P = 176) y (K = 14) es 0.8375
Para (P = 184) y (K = 13) es 0.8375
Para (P = 186) y (K = 14) es 0.8375
Para (P = 193) y (K = 13) es 0.8375
Para (P = 193) y (K = 23) es 0.8375
Para (P = 194) y (K = 13) es 0.8375
Para (P = 194) y (K = 15) es 0.8375
Para (P = 194) y (K = 23) es 0.8375
Para (P = 194) y (K = 32) es 0.8375
Para (P = 195) y (K = 15) es 0.8375
Para (P = 195) y (K = 32) es 0.8375
Para (P = 195) y (K = 33) es 0.8375
Para (P = 196) y (K = 31) es 0.8375
Para (P = 197) y (K = 23) es 0.8375
Para (P = 197) y (K = 66) es 0.8375
Para (P = 198) y (K = 13) es 0.8375
Para (P = 198) y (K = 24) es 0.8375
Para (P = 199) y (K = 13) es 0.8375
Para (P = 199) y (K = 20) es 0.8375
Para (P = 200) y (K = 13) es 0.8375
Para (P = 200) y (K = 20) es 0.8375
Para (P = 200) y (K = 31) es 0.8375
Para (P = 203) y (K = 30) es 0.8375
Para (P = 205) y (K = 21) es 0.8375
Para (P = 206) y (K = 7) es 0.8375
Para (P = 206) y (K = 21) es 0.8375
This diff is collapsed.
Click to expand it.
samples/best_results_with_tf_idf.txt
View file @
c6b13175
Para (P = 247) y (K = 45) es 0.862
Para (P = 209) y (K = 25) es 0.859
Para (P = 232) y (K = 47) es 0.859
Para (P = 204) y (K = 71) es 0.856
Para (P = 225) y (K = 71) es 0.856
Para (P = 228) y (K = 48) es 0.856
Para (P = 230) y (K = 51) es 0.856
Para (P = 233) y (K = 66) es 0.856
Para (P = 237) y (K = 43) es 0.856
Para (P = 238) y (K = 43) es 0.856
Para (P = 238) y (K = 64) es 0.856
Para (P = 239) y (K = 64) es 0.856
Para (P = 243) y (K = 66) es 0.856
Para (P = 246) y (K = 43) es 0.856
Para (P = 246) y (K = 46) es 0.856
Para (P = 247) y (K = 43) es 0.856
Para (P = 247) y (K = 47) es 0.856
Para (P = 247) y (K = 48) es 0.856
Para (P = 250) y (K = 47) es 0.856
Para (P = 203) y (K = 70) es 0.853
Para (P = 203) y (K = 71) es 0.853
Para (P = 208) y (K = 29) es 0.853
Para (P = 208) y (K = 31) es 0.853
Para (P = 216) y (K = 32) es 0.853
Para (P = 221) y (K = 32) es 0.853
Para (P = 225) y (K = 72) es 0.853
Para (P = 229) y (K = 48) es 0.853
Para (P = 230) y (K = 48) es 0.853
Para (P = 230) y (K = 50) es 0.853
Para (P = 230) y (K = 68) es 0.853
Para (P = 231) y (K = 44) es 0.853
Para (P = 231) y (K = 47) es 0.853
Para (P = 231) y (K = 48) es 0.853
Para (P = 231) y (K = 50) es 0.853
Para (P = 234) y (K = 38) es 0.853
Para (P = 235) y (K = 49) es 0.853
Para (P = 237) y (K = 41) es 0.853
Para (P = 237) y (K = 74) es 0.853
Para (P = 238) y (K = 44) es 0.853
Para (P = 238) y (K = 45) es 0.853
Para (P = 238) y (K = 67) es 0.853
Para (P = 239) y (K = 65) es 0.853
Para (P = 240) y (K = 43) es 0.853
Para (P = 240) y (K = 64) es 0.853
Para (P = 240) y (K = 65) es 0.853
Para (P = 241) y (K = 35) es 0.853
Para (P = 241) y (K = 43) es 0.853
Para (P = 241) y (K = 68) es 0.853
Para (P = 242) y (K = 43) es 0.853
Para (P = 244) y (K = 43) es 0.853
Para (P = 245) y (K = 43) es 0.853
Para (P = 246) y (K = 45) es 0.853
Para (P = 247) y (K = 46) es 0.853
Para (P = 248) y (K = 43) es 0.853
Para (P = 249) y (K = 43) es 0.853
Para (P = 249) y (K = 47) es 0.853
Para (P = 249) y (K = 48) es 0.853
Para (P = 172) y (K = 34) es 0.85
Para (P = 203) y (K = 69) es 0.85
Para (P = 208) y (K = 30) es 0.85
Best experimental parameters using KNN (K = 43) is 0.825
Best experimental parameters using KNN with PCA
Para (P = 247) y (K = 45) es 0.7875
Para (P = 209) y (K = 25) es 0.825
Para (P = 232) y (K = 47) es 0.8
Para (P = 204) y (K = 71) es 0.7875
Para (P = 225) y (K = 71) es 0.825
Para (P = 228) y (K = 48) es 0.8125
Para (P = 230) y (K = 51) es 0.8
Para (P = 233) y (K = 66) es 0.85
Para (P = 237) y (K = 43) es 0.8
Para (P = 238) y (K = 43) es 0.8
Para (P = 238) y (K = 64) es 0.825
Para (P = 239) y (K = 64) es 0.8375
Para (P = 243) y (K = 66) es 0.8375
Para (P = 246) y (K = 43) es 0.7875
Para (P = 246) y (K = 46) es 0.7875
Para (P = 247) y (K = 43) es 0.8
Para (P = 247) y (K = 47) es 0.8375
Para (P = 247) y (K = 48) es 0.825
Para (P = 250) y (K = 47) es 0.8125
Para (P = 203) y (K = 70) es 0.7875
Para (P = 203) y (K = 71) es 0.7875
Para (P = 208) y (K = 29) es 0.825
Para (P = 208) y (K = 31) es 0.825
Para (P = 216) y (K = 32) es 0.8
Para (P = 221) y (K = 32) es 0.8
Para (P = 225) y (K = 72) es 0.825
Para (P = 229) y (K = 48) es 0.825
Para (P = 230) y (K = 48) es 0.8
Para (P = 230) y (K = 50) es 0.8125
Para (P = 230) y (K = 68) es 0.8375
Para (P = 231) y (K = 44) es 0.8125
Para (P = 231) y (K = 47) es 0.8
Para (P = 231) y (K = 48) es 0.8125
Para (P = 231) y (K = 50) es 0.8125
Para (P = 234) y (K = 38) es 0.8125
Para (P = 235) y (K = 49) es 0.8
Para (P = 237) y (K = 41) es 0.8125
Para (P = 237) y (K = 74) es 0.8375
Para (P = 238) y (K = 44) es 0.7875
Para (P = 238) y (K = 45) es 0.7875
Para (P = 238) y (K = 67) es 0.825
Para (P = 239) y (K = 65) es 0.8375
Para (P = 240) y (K = 43) es 0.8
Para (P = 240) y (K = 64) es 0.85
Para (P = 240) y (K = 65) es 0.8375
Para (P = 241) y (K = 35) es 0.7875
Para (P = 241) y (K = 43) es 0.8125
Para (P = 241) y (K = 68) es 0.8375
Para (P = 242) y (K = 43) es 0.7875
Para (P = 244) y (K = 43) es 0.7875
Para (P = 245) y (K = 43) es 0.7875
Para (P = 246) y (K = 45) es 0.8
Para (P = 247) y (K = 46) es 0.8
Para (P = 248) y (K = 43) es 0.825
Para (P = 249) y (K = 43) es 0.8125
Para (P = 249) y (K = 47) es 0.8125
Para (P = 249) y (K = 48) es 0.8125
Para (P = 172) y (K = 34) es 0.8125
Para (P = 203) y (K = 69) es 0.8
Para (P = 208) y (K = 30) es 0.85
Best actual parameter using KNN
Para (K = 15) es 0.8875
Para (K = 17) es 0.8875
Para (K = 21) es 0.8875
Para (K = 13) es 0.875
Para (K = 14) es 0.875
Para (K = 16) es 0.875
Para (K = 18) es 0.875
Para (K = 20) es 0.875
Para (K = 22) es 0.875
Para (K = 23) es 0.875
Best actual parameters using KNN with PCA
Para (P = 77) y (K = 17) es 0.9125
Para (P = 80) y (K = 14) es 0.9125
Para (P = 84) y (K = 17) es 0.9125
Para (P = 139) y (K = 16) es 0.9125
Para (P = 141) y (K = 12) es 0.9125
Para (P = 142) y (K = 12) es 0.9125
Para (P = 143) y (K = 12) es 0.9125
Para (P = 145) y (K = 12) es 0.9125
Para (P = 147) y (K = 14) es 0.9125
Para (P = 147) y (K = 15) es 0.9125
Para (P = 148) y (K = 14) es 0.9125
Para (P = 148) y (K = 15) es 0.9125
Para (P = 149) y (K = 14) es 0.9125
Para (P = 150) y (K = 14) es 0.9125
Para (P = 151) y (K = 14) es 0.9125
Para (P = 157) y (K = 18) es 0.9125
Para (P = 159) y (K = 16) es 0.9125
Para (P = 161) y (K = 15) es 0.9125
Para (P = 161) y (K = 16) es 0.9125
Para (P = 163) y (K = 15) es 0.9125
Para (P = 164) y (K = 15) es 0.9125
Para (P = 165) y (K = 16) es 0.9125
Para (P = 166) y (K = 15) es 0.9125
Para (P = 79) y (K = 14) es 0.9
Para (P = 79) y (K = 15) es 0.9
Para (P = 80) y (K = 16) es 0.9
Para (P = 85) y (K = 17) es 0.9
Para (P = 86) y (K = 17) es 0.9
Para (P = 86) y (K = 20) es 0.9
Para (P = 87) y (K = 24) es 0.9
Para (P = 89) y (K = 24) es 0.9
Para (P = 100) y (K = 14) es 0.9
Para (P = 107) y (K = 15) es 0.9
Para (P = 108) y (K = 13) es 0.9
Para (P = 110) y (K = 14) es 0.9
Para (P = 113) y (K = 14) es 0.9
Para (P = 114) y (K = 14) es 0.9
Para (P = 115) y (K = 14) es 0.9
Para (P = 138) y (K = 16) es 0.9
Para (P = 139) y (K = 17) es 0.9
Para (P = 140) y (K = 16) es 0.9
Para (P = 141) y (K = 13) es 0.9
Para (P = 141) y (K = 14) es 0.9
Para (P = 141) y (K = 16) es 0.9
Para (P = 141) y (K = 19) es 0.9
Para (P = 143) y (K = 16) es 0.9
Para (P = 143) y (K = 18) es 0.9
Para (P = 144) y (K = 12) es 0.9
Para (P = 144) y (K = 13) es 0.9
Para (P = 144) y (K = 16) es 0.9
This diff is collapsed.
Click to expand it.
src/experiments/full_dataset_analisys.py
View file @
c6b13175
...
...
@@ -10,22 +10,28 @@ from experiments.helpers import max_cpus_config_value, serialize_results
from
classifier.pca
import
PCA
MAX_PROCESSES
=
max_cpus_config_value
()
BEST_KNN_RESULTS
=
5
0
BEST_KNN_RESULTS
=
1
0
BEST_PCA_RESULTS
=
50
PCA_CENTERING
=
with_tf_idf
KNN_CENTERING
=
with_tf_idf
MAXIMUM_K
=
100
# Neighbors
P_MIN
=
50
P_MIN
=
1
P_MAX
=
250
Q
=
1000
EPSILON
=
1e-7
ITERS
=
1_000_000
P_LIST
=
range
(
P_MIN
,
P_MAX
+
1
,
1
)
BEST_EXPERIMENTAL_KNN
=
43
BEST_EXPERIMENTAL_PCA_KNN
=
[(
232
,
47
),
(
209
,
25
),
(
225
,
71
),
(
239
,
64
),
(
238
,
64
),
(
238
,
43
),
(
237
,
43
),
(
233
,
66
),
(
230
,
51
),
(
228
,
48
),
(
204
,
71
),
(
237
,
74
),
(
237
,
41
),
(
235
,
49
),
(
231
,
50
),
(
231
,
44
),
(
230
,
68
),
(
230
,
50
),
(
230
,
48
),
(
229
,
48
),
(
225
,
72
),
(
221
,
32
),
(
203
,
70
),
(
240
,
65
),
(
240
,
64
),
(
240
,
43
),
(
239
,
65
),
(
238
,
67
),
(
238
,
45
),
(
238
,
44
),
(
234
,
38
),
(
231
,
48
),
(
231
,
47
),
(
216
,
32
),
(
208
,
31
),
(
208
,
29
),
(
203
,
71
),
(
220
,
32
),
(
239
,
34
),
(
230
,
44
),
(
237
,
44
),
(
239
,
44
),
(
226
,
45
),
(
224
,
47
),
(
227
,
48
),
(
232
,
48
),
(
233
,
50
),
(
232
,
55
),
(
236
,
56
),
(
237
,
56
),
(
238
,
60
),
(
238
,
65
),
(
234
,
66
),
(
238
,
66
),
(
240
,
66
),
(
234
,
68
),
(
203
,
69
),
(
224
,
71
),
(
227
,
71
),
(
208
,
30
)]
# BEST_EXPERIMENTAL_PCA_KNN = [(184, 14), (180, 14), (199, 17), (182, 14), (179, 14), (196, 25), (181, 12), (197, 17), (182, 11), (178, 11), (167, 13), (189, 14), (188, 14), (185, 14), (183, 14), (177, 14), (165, 14), (200, 15), (199, 15), (193, 15), (192, 15), (198, 17), (187, 11), (180, 11), (179, 11), (189, 12), (186, 12), (182, 12), (168, 13), (200, 17)]
if
PCA_CENTERING
==
with_tf_idf
:
BEST_EXPERIMENTAL_PCA_KNN
=
[(
247
,
45
),
(
209
,
25
),
(
232
,
47
),
(
204
,
71
),
(
225
,
71
),
(
228
,
48
),
(
230
,
51
),
(
233
,
66
),
(
237
,
43
),
(
238
,
43
),
(
238
,
64
),
(
239
,
64
),
(
243
,
66
),
(
246
,
43
),
(
246
,
46
),
(
247
,
43
),
(
247
,
47
),
(
247
,
48
),
(
250
,
47
),
(
203
,
70
),
(
203
,
71
),
(
208
,
29
),
(
208
,
31
),
(
216
,
32
),
(
221
,
32
),
(
225
,
72
),
(
229
,
48
),
(
230
,
48
),
(
230
,
50
),
(
230
,
68
),
(
231
,
44
),
(
231
,
47
),
(
231
,
48
),
(
231
,
50
),
(
234
,
38
),
(
235
,
49
),
(
237
,
41
),
(
237
,
74
),
(
238
,
44
),
(
238
,
45
),
(
238
,
67
),
(
239
,
65
),
(
240
,
43
),
(
240
,
64
),
(
240
,
65
),
(
241
,
35
),
(
241
,
43
),
(
241
,
68
),
(
242
,
43
),
(
244
,
43
),
(
245
,
43
),
(
246
,
45
),
(
247
,
46
),
(
248
,
43
),
(
249
,
43
),
(
249
,
47
),
(
249
,
48
),
(
172
,
34
),
(
203
,
69
),
(
208
,
30
)]
BEST_EXPERIMENTAL_KNN
=
43
elif
PCA_CENTERING
==
with_mean
:
BEST_EXPERIMENTAL_PCA_KNN
=
[(
141
,
11
),
(
144
,
11
),
(
145
,
11
),
(
99
,
8
),
(
143
,
11
),
(
30
,
11
),
(
110
,
6
),
(
135
,
11
),
(
140
,
11
),
(
152
,
9
),
(
111
,
6
),
(
136
,
11
),
(
138
,
11
),
(
142
,
12
),
(
146
,
11
),
(
153
,
9
),
(
242
,
12
),
(
243
,
12
),
(
29
,
11
),
(
95
,
8
),
(
108
,
6
),
(
109
,
6
),
(
123
,
12
),
(
124
,
12
),
(
126
,
11
),
(
133
,
11
),
(
139
,
11
),
(
142
,
11
),
(
154
,
11
),
(
168
,
16
),
(
169
,
16
),
(
178
,
18
),
(
238
,
12
),
(
239
,
12
),
(
240
,
12
),
(
241
,
12
),
(
34
,
10
),
(
38
,
11
),
(
96
,
8
),
(
98
,
8
),
(
100
,
8
),
(
105
,
6
),
(
107
,
6
),
(
108
,
8
),
(
114
,
7
),
(
120
,
12
),
(
124
,
5
),
(
125
,
8
),
(
126
,
12
),
(
127
,
5
),
(
128
,
5
),
(
129
,
5
),
(
129
,
11
),
(
130
,
11
),
(
134
,
11
),
(
137
,
11
),
(
137
,
12
),
(
141
,
9
),
(
142
,
9
),
(
143
,
12
)]
BEST_EXPERIMENTAL_KNN
=
12
else
:
BEST_EXPERIMENTAL_PCA_KNN
=
[(
207
,
28
),
(
233
,
28
),
(
234
,
28
),
(
153
,
30
),
(
186
,
34
),
(
204
,
28
),
(
205
,
11
),
(
206
,
11
),
(
208
,
28
),
(
214
,
60
),
(
218
,
15
),
(
235
,
28
),
(
142
,
58
),
(
148
,
57
),
(
154
,
30
),
(
156
,
51
),
(
168
,
56
),
(
181
,
33
),
(
182
,
33
),
(
183
,
34
),
(
183
,
35
),
(
187
,
34
),
(
203
,
28
),
(
205
,
28
),
(
206
,
28
),
(
207
,
11
),
(
210
,
28
),
(
211
,
11
),
(
212
,
11
),
(
213
,
15
),
(
214
,
15
),
(
215
,
15
),
(
216
,
15
),
(
216
,
58
),
(
216
,
60
),
(
217
,
15
),
(
217
,
28
),
(
219
,
17
),
(
220
,
28
),
(
221
,
28
),
(
222
,
28
),
(
223
,
28
),
(
232
,
28
),
(
233
,
27
),
(
234
,
27
),
(
235
,
27
),
(
236
,
28
),
(
243
,
28
),
(
142
,
44
),
(
143
,
53
),
(
143
,
97
),
(
144
,
58
),
(
151
,
72
),
(
152
,
32
),
(
152
,
33
),
(
153
,
31
),
(
182
,
35
),
(
182
,
59
),
(
184
,
59
),
(
186
,
33
)]
BEST_EXPERIMENTAL_KNN
=
23
def
accuracies_for_P
(
P
):
accuracy
=
np
.
zeros
((
MAXIMUM_K
,),
dtype
=
np
.
float64
)
...
...
This diff is collapsed.
Click to expand it.
Write
Preview
Markdown
is supported
0%
Try again
or
attach a new file
.
Attach a file
Cancel
You are about to add
0
people
to the discussion. Proceed with caution.
Finish editing this message first!
Cancel
Please
register
or
sign in
to comment