Ignore:
Timestamp:
Aug 19, 2022, 9:01:47 AM (14 months ago)
Author:
Peter
Message:

removing trailing whitespace and empty lines at bottom of files.

File:
1 edited

Legend:

Unmodified
Added
Removed
  • trunk/yat/classifier/EnsembleBuilder.h

    r2226 r4200  
    1 #ifndef _theplu_yat_classifier_ensemblebuilder_ 
    2 #define _theplu_yat_classifier_ensemblebuilder_ 
     1#ifndef _theplu_yat_classifier_ensemblebuilder_
     2#define _theplu_yat_classifier_ensemblebuilder_
    33
    44// $Id$
     
    3939namespace theplu {
    4040namespace yat {
    41 namespace classifier { 
     41namespace classifier {
    4242
    4343  ///
     
    6767    /// Constructor.
    6868    ///
    69     EnsembleBuilder(const Classifier&, const Data&, const Sampler&, 
     69    EnsembleBuilder(const Classifier&, const Data&, const Sampler&,
    7070                    FeatureSelector&);
    7171
     
    7676
    7777    /**
    78        \brief Generate ensemble. 
    79        
     78       \brief Generate ensemble.
     79
    8080       Function trains each member of the Ensemble.
    8181    */
     
    8686    ///
    8787    const Classifier& classifier(size_t i) const;
    88      
     88
    8989    ///
    9090    /// @return Number of classifiers in ensemble. Prior build(void)
     
    9999    ///
    100100    const std::vector<std::vector<statistics::Averager> >& validate(void);
    101    
     101
    102102    /**
    103103       Predict a dataset using the ensemble.
    104        
     104
    105105       If @a data is a KernelLookup each column should correspond to a
    106106       test sample and each row should correspond to a training
     
    109109       kernel corresponds to.
    110110    */
    111     void predict(const Data& data, 
     111    void predict(const Data& data,
    112112                 std::vector<std::vector<statistics::Averager> > &);
    113113
     
    116116    EnsembleBuilder(const EnsembleBuilder&);
    117117    const EnsembleBuilder& operator=(const EnsembleBuilder&);
    118    
     118
    119119
    120120    const Classifier& mother_;
     
    127127
    128128  };
    129  
     129
    130130
    131131  // implementation
     
    166166      for(unsigned long i=0; i<subset_->size();++i) {
    167167        Classifier* classifier = mother_.make_classifier();
    168         classifier->train(subset_->training_data(i), 
     168        classifier->train(subset_->training_data(i),
    169169                          subset_->training_target(i));
    170170        classifier_.push_back(classifier);
    171       }   
     171      }
    172172    }
    173173  }
     
    186186  {
    187187    result = std::vector<std::vector<statistics::Averager> >
    188       (subset_->target().nof_classes(), 
     188      (subset_->target().nof_classes(),
    189189       std::vector<statistics::Averager>(data.columns()));
    190    
    191     utility::Matrix prediction; 
    192 
    193     for(unsigned long k=0;k<size();++k) {       
     190
     191    utility::Matrix prediction;
     192
     193    for(unsigned long k=0;k<size();++k) {
    194194      Data sub_data = test_data(data, k);
    195195      classifier(k).predict(sub_data,prediction);
    196       for(size_t i=0; i<prediction.rows();i++) 
    197         for(size_t j=0; j<prediction.columns();j++) 
    198           result[i][j].add(prediction(i,j));   
    199     }
    200   }
    201 
    202  
     196      for(size_t i=0; i<prediction.rows();i++)
     197        for(size_t j=0; j<prediction.columns();j++)
     198          result[i][j].add(prediction(i,j));
     199    }
     200  }
     201
     202
    203203  template <class Classifier, class Data>
    204204  unsigned long EnsembleBuilder<Classifier, Data>::size(void) const
     
    215215    return MatrixLookup(data, subset_->training_features(k), true);
    216216  }
    217  
    218 
    219   template <class Classifier, class Data>
    220   MatrixLookupWeighted 
     217
     218
     219  template <class Classifier, class Data>
     220  MatrixLookupWeighted
    221221  EnsembleBuilder<Classifier, Data>::test_data(const MatrixLookupWeighted& data,
    222222                                               size_t k)
    223223  {
    224     return MatrixLookupWeighted(data, subset_->training_features(k), 
     224    return MatrixLookupWeighted(data, subset_->training_features(k),
    225225                                utility::Index(data.columns()));
    226226  }
    227  
     227
    228228
    229229  template <class Classifier, class Data>
     
    246246    if (kernel.data().rows()==subset_->training_features(k).size())
    247247      return KernelLookup(kernel, subset_->training_index(k), true);
    248    
     248
    249249    // feature selection
    250250    MatrixLookup ml = test_data(kernel.data(),k);
    251251    return subset_->training_data(k).test_kernel(ml);
    252252  }
    253  
    254 
    255   template <class Classifier, class Data>
    256   const std::vector<std::vector<statistics::Averager> >& 
     253
     254
     255  template <class Classifier, class Data>
     256  const std::vector<std::vector<statistics::Averager> >&
    257257  EnsembleBuilder<Classifier, Data>::validate(void)
    258258  {
     
    262262
    263263    validation_result_ = std::vector<std::vector<statistics::Averager> >
    264       (subset_->target().nof_classes(), 
     264      (subset_->target().nof_classes(),
    265265       std::vector<statistics::Averager>(subset_->target().size()));
    266266
    267     utility::Matrix prediction; 
     267    utility::Matrix prediction;
    268268    for(unsigned long k=0;k<size();k++) {
    269269      classifier(k).predict(subset_->validation_data(k),prediction);
    270      
     270
    271271      // map results to indices of samples in training + validation data set
    272       for(size_t i=0; i<prediction.rows();i++) 
     272      for(size_t i=0; i<prediction.rows();i++)
    273273        for(size_t j=0; j<prediction.columns();j++) {
    274274          validation_result_[i][subset_->validation_index(k)[j]].
    275275            add(prediction(i,j));
    276         }           
     276        }
    277277    }
    278278    return validation_result_;
Note: See TracChangeset for help on using the changeset viewer.