Dual Perceptron

Implementazione in Python dell'algorimo Dual Perceptron in forma duale con utilizzo di funzioni kernel: Lineare,Polinomiale ed RBF.

Utilizzo

Creazione di istanze dalla classe DualPerceptron, alla quale passare il nome del dataset da studiare, il delimitatore dei dati, e il kernel che vogliamo usare.

      biodLinP = DualPerceptron.DualPerceptron('biodeg', ';', 'linear_kernel')
      biodLinP.fit()
      biodLinP.predict()

Nella cartella dataset sono inclusi i dataset in quanto alcuni sono stati da me modificati a causa delle dimensioni originali (eccesso di righe e colonne che rendeva il tempo di esecuzione piuttosto prolungato).

I link dei datset sono i seguenti:

• QSAR Biodegradation: https://archive.ics.uci.edu/ml/datasets/QSAR+biodegradation
• QSAR Oral Toxicity: https://archive.ics.uci.edu/ml/datasets/QSAR+oral+toxicity
• Red Wine Quality: https://archive.ics.uci.edu/ml/datasets/wine+quality

Le stringhe da passare per scegliere i dataset e i kernel sono:

• "biodeg", "qsar_oral_toxicity", "winequality-red"
• "linear_kernel", "poly_kernel", "RBF_kernel"

Il file DualPerceptron.py contiene la quasi totalità dell'implementazione, ovvero:

• il caricamento dei dataset def dataset(dcName, delimiter)
• i possibili kernel da utilizzare def kernel_(x, y, kernel)
• il calcolo dell'accuratezza def accurrency(y_true, y_pred)
• il calcolo della matrice di gram, la quale avviene direttamente all'interno del metodo fit() dell'algoritmo
• fit() e predict() sono rispettivamente la fase di apprendimento e predizione
• test() ha la stessa funzione di predict e è chiamato all'interno dell'apprendimento per calcolare la l'accuratezza sul validation_set
• def calculate_R() calcola R

Il file Plot.py serve a disegnare i grafici dell'accuratezza dei dataset computati con le varie funzioni kernel utilizzate.

Il file main.py ha il compito di eseguire l'intero codice