-
Notifications
You must be signed in to change notification settings - Fork 1
/
classes.py
608 lines (551 loc) · 27.9 KB
/
classes.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
511
512
513
514
515
516
517
518
519
520
521
522
523
524
525
526
527
528
529
530
531
532
533
534
535
536
537
538
539
540
541
542
543
544
545
546
547
548
549
550
551
552
553
554
555
556
557
558
559
560
561
562
563
564
565
566
567
568
569
570
571
572
573
574
575
576
577
578
579
580
581
582
583
584
585
586
587
588
589
590
591
592
593
594
595
596
597
598
599
600
601
602
603
604
605
606
607
608
# -*- coding: utf-8 -*-
import codecs
import csv
import pickle
import numpy as np
from treetaggerwrapper import TreeTagger, make_tags
from Evaluation import evaluation_externe as ee
from Evaluation import evaluation_interne as ei
from Evaluation import evaluation_relative as er
from Interpretation.importance_composantes import importance, nouveaux_clusters
from Utilitaires.importation_et_pretraitement import importer, formater
#from Utilitaires.importation_et_pretraitement_pour_le_chinois import importer
from Utilitaires.equilibrage_et_normalisation import normaliser1, equilibrer1
from Utilitaires.defuzze import defuzze
from Representation.fenetre import FenetreAffichage
import random
from bdd import InfosFichier
emplacement_maxime = "/Users/maximegodin/Google Drive/Groupe PSC/"
emplacement_guillaume = "/Users/Guillaume/Google Drive/Cours X/PSC/Groupe PSC/"
emplacement_clement = "C:/Users/Clement/Google Drive/Groupe PSC/"
emplacement_wang = "/home/wang/Documents/PSC/GitDePSC/"
emplacement_lucile = "/Users/Lucile/Google Drive/Groupe PSC/"
emplacement_dossier_groupe = emplacement_wang
dico_langues = {"fr" : "francais", "en" : "anglais", "es" : "espagnol", "de" : "allemand", "zh" : "chinois"}
class Infos:
"""Contient les méta-données concernant notre oeuvre : nom complet de l'auteur, titre de l'oeuvre, année, genre. Ces infos sont extraites du fichier csv (tableur) infos_corpus situé à la racine du dossier Corpus."""
def __init__(self,auteur,numero):
"""Va chercher dans la bdd les données associées à (auteur,numero)"""
fichier = auteur + str(numero)
infos = InfosFichier(fichier)
if(infos != None):
self.nom_oeuvre = infos[2]
self.annee_publication = infos[3]
self.genre = infos[4]
self.auteur = infos[5]
self.naissance_auteur = infos[6]
self.sexe_auteur = infos[7]
self.langue_oeuvre = infos[8]
self.nationalite_auteur = infos[9]
self.corpus = infos[10]
self.commentaires = infos[11]
else:
self.nom_oeuvre = ""
self.annee_publication = 0
self.genre = ""
self.auteur = ""
self.naissance_auteur = 0
self.sexe_auteur = ""
self.langue_oeuvre = ""
self.nationalite_auteur = ""
self.corpus = ""
self.commentaires = ""
class Oeuvre:
"""Un objet Oeuvre est caractérisé par (auteur,numero). Ses attributs sont :
- langue = "fr", "en", ...
- infos = objet Infos défini plus haut
- texte_brut = string contenant le texte de l'oeuvre
- mots = tableau de strings contenant les mots et unités textuelles (ponctuation)
- racines = tableau de strings contenant les racines de chaque élément de mots, autrement dit la version du dictionnaire (non conjugée, au singulier masculin, etc.)
- POS = tableau de strings conenant les parts-of-speech associées à chaque mot, autrement dit sa nature grammaticale (verbe, nom, etc.). Attention : leur expression varie selon la langue du tagger : en français "NOM", en anglais "NN"
"""
def __init__(self, auteur, numero, langue = "fr"):
"""Crée l'objet Oeuvre s'il n'existe pas encore et le sauvegarde dans un fichier du même nom. S'il existe déjà, on le reprend simplement dans le fichier."""
self.auteur = auteur
self.numero = numero
self.langue = langue
self.categorie = None
emplacement_textes = emplacement_dossier_groupe + "Corpus/" + dico_langues[langue] + "/Fichiers txt/"
emplacement_oeuvres = emplacement_dossier_groupe + "Corpus/" + dico_langues[langue] + "/Fichiers oeuvres/"
#self.infos = Infos(auteur,numero)
print(auteur + str(numero), end = " ")
try:
with open(emplacement_oeuvres + auteur + str(numero), "rb") as mon_fichier:
o = pickle.load(mon_fichier)
self.texte_brut = o.texte_brut
self.tags = o.tags
self.mots = o.mots
self.racines = o.racines
self.POS = o.POS
print("(importation terminee)", end = " / ")
except FileNotFoundError:
tagger = TreeTagger(TAGLANG = self.langue)
self.texte_brut = formater(importer(auteur, numero,emplacement_textes))
self.tags = make_tags(tagger.tag_text(self.texte_brut))
self.mots = [t[0] for t in self.tags if len(t) == 3]
self.racines = [t[2] for t in self.tags if len(t) == 3]
self.POS = [t[1] for t in self.tags if len(t) == 3]
with open(emplacement_oeuvres + "/" + auteur + str(numero), "wb") as mon_fichier:
pickle.dump(self,mon_fichier,protocol = 2)
print("(creation terminee)", end = " / ")
def __equal__(self, oeuvre2):
return (self.auteur == oeuvre2.auteur) and (self.numero == oeuvre2.numero)
def split(self,taille_morceaux, full_text = False):
"""Sépare une oeuvre en objets Texte de longueur taille_morceaux possédant les mêmes attributs que l'oeuvre."""
tab_texts = []
auteur = self.auteur
numero = self.numero
langue = self.langue
categorie = self.categorie
if not full_text:
L = len(self.tags)
for k in range(0,L-taille_morceaux,taille_morceaux):
mots = self.mots[k:k+taille_morceaux]
texte_brut = " ".join(mots)
racines = self.racines[k:k+taille_morceaux]
POS = self.POS[k:k+taille_morceaux]
T = Texte(auteur,numero,categorie,langue,k//taille_morceaux,texte_brut,mots,racines,POS)
tab_texts.append(T)
elif full_text:
k = 0
mots = self.mots
texte_brut = " ".join(mots)
racines = self.racines
POS = self.POS
T = Texte(auteur, numero, categorie, langue, k // taille_morceaux, texte_brut, mots, racines, POS)
tab_texts.append(T)
return tab_texts
class Texte:
"""Un objet Texte correspondra à un point dans notre analyse et classification. Ses attributs sont les mêmes que pour Oeuvre, avec en plus :
- vecteur = liste de réels correspondant à des caractéristiques littéraires (initialisée à None, elle sera remplie par l'analyseur)
- composantes_vecteur = liste de strings expliquant la signification littéraire de chaque coordonnée du vecteur associé (ex : "fréquence du 3e mot le plus courant")
- categorie : son rangement dans la classification, soit donné comme hypothèse (pour training_set) soit résultant de l'algorithme (pour eval_set)
"""
def __init__(self,auteur,numero,categorie,langue,numero_morceau,texte_brut,mots,racines,POS):
self.auteur = auteur
self.numero = numero
self.categorie = categorie
self.langue = langue
self.infos = Infos(auteur,numero)
self.numero_morceau = numero_morceau
self.texte_brut = texte_brut
self.mots = mots
self.racines = racines
self.POS = POS
self.vecteur = []
self.vecteur_pca = None
def __equal__(self,texte2):
return (self.auteur == texte2.auteur) and (self.numero == texte2.numero) and (self.numero_morceau == texte2.numero_morceau)
def copy(self):
return Texte(self.auteur, self.numero, self.categorie, self.langue, self.numero_morceau, self.texte_brut, self.mots, self.racines, self.POS)
class Analyseur:
def __init__(self, nom, liste_fils):
self.nom = nom
self.fils = liste_fils
def analyser(self, liste_textes):
for f in self.fils:
f.analyser(liste_textes)
def noms_composantes(self):
res = []
for f in self.fils:
res+= f.noms_composantes()
return res
def noms_fonctions(self):
res = []
for f in self.fils:
res += f.noms_fonctions()
return res
def aux_numeroter(self,n):
self.init = n
for f in self.fils:
n = f.aux_numeroter(n)
self.end = n
return self.end
def numeroter(self):
self.aux_numeroter(0)
class FonctionAnalyse(Analyseur):
def __init__(self,nom,liste_composantes):
super(FonctionAnalyse, self).__init__("",[])
self.liste_composantes = liste_composantes
self.nom = nom
def noms_composantes(self):
return self.liste_composantes
def noms_fonctions(self):
return [self.nom]
def analyser(self, liste_textes):
return
def aux_numeroter(self, n):
self.init = n
self.end = n + len(self.liste_composantes)
return self.end
class Classifieur:
"""Un objet Classifieur correspond à une méthode d'analyse des données pour en extraire des regroupements ou des attributions. Deux fonctions sont nécessaires pour l'instant : une fonction analyser qui renvoie une classification sous une forme quelconque, et une fonction classifier. Les attributs qui doivent être remplis sont :
- p = matrice de partition (floue) résultant de la classification, de taille (nb_textes, nb_classes), où le coefficient m_{i,j} est la probabilité d'appartenance du texte i à la catégorie j
- p_ref = matrice de partition (floue) connue au préalable avec nos informations sur les catégories des textes
"""
def __init__(self):
self.clusters = None
def classifier(self, training_set, eval_set, categories):
pass
def poids_composantes(self, clusters=None):
return importance(self.clusters)
class Probleme:
"""Un objet Problème rassemble tous les éléments d'un questionnement d'attribution :
- liste_oeuvres = liste des objets Oeuvres que l'on veut étudier
- liste_textes = textes obtenus en découpant chaque oeuvre en morceaux de longueur taille_morceaux
- analyseur = objet Analyseur
- classifieur = objet Classifieur
"""
def __init__(self, id_training_set, categories, id_eval_set, categories_supposees, taille_morceaux, analyseur, classifieur, langue = "fr", full_text = False):
print("ASSEMBLAGE DU PROBLEME")
print("")
self.oeuvres_training_set = []
self.oeuvres_eval_set = []
self.categories = categories
self.categories_supposees = categories_supposees
self.taille_morceaux = taille_morceaux
self.liste_oeuvres = []
print("Création - importation des oeuvres : ")
for k in range(len(id_training_set)):
for ident in id_training_set[k]:
auteur = ident[0]
numero = ident[1]
oeuvre = Oeuvre(auteur,numero,langue)
oeuvre.categorie = categories[k]
self.oeuvres_training_set.append(oeuvre)
for k in range(len(id_eval_set)):
for ident in id_eval_set[k]:
auteur = ident[0]
numero = ident[1]
oeuvre = Oeuvre(auteur,numero,langue)
oeuvre.categorie = categories_supposees[k]
self.oeuvres_eval_set.append(oeuvre)
print()
print("Liste_oeuvres remplie")
self.analyseur = analyseur
print("Analyseur basé sur " + " ".join(self.analyseur.noms_fonctions()) + " initialisé")
print("Nombre de composantes : {}".format(len(analyseur.noms_composantes())))
self.classifieur = classifieur
print("Classifieur initialisé")
self.eval_set = []
self.training_set = []
self.liste_textes = []
self.full_text = full_text
def creer_textes(self, equilibrage = True, equilibrage_eval = False):
for oeuvre in self.oeuvres_training_set:
self.training_set.extend(oeuvre.split(self.taille_morceaux,self.full_text))
for oeuvre in self.oeuvres_eval_set:
self.eval_set.extend(oeuvre.split(self.taille_morceaux, self.full_text))
if equilibrage :
self.training_set = equilibrer1(self.training_set)
print("Nombre de textes par catégorie après équilibrage : {}".format(len(self.training_set)//len(self.categories)))
if equilibrage_eval :
self.eval_set = equilibrer1(self.eval_set)
self.liste_textes = self.training_set + self.eval_set
print("Textes de training_set et eval_set initialisés")
def analyser(self, normalisation = False):
"""Applique la méthode analyser de l'analyseur : elle remplit les coordonnées du vecteur associé à chaque texte, et calcule le vecteur normalisé."""
self.analyseur.analyser(self.liste_textes)
D = np.array([texte.vecteur for texte in self.liste_textes])
A = D
if normalisation:
A = normaliser1(D)
for k,texte in enumerate(self.liste_textes):
texte.vecteur = A[k]
print("Textes analysés et vectorisés")
def appliquer_classifieur(self):
"""Applique la méthode classifier du classifieur pour obtenir une classification, sous un format a priori inconnu."""
self.classifieur.liste_textes = self.liste_textes
self.classifieur.training_set = self.training_set
self.classifieur.eval_set = self.eval_set
self.classifieur.categories = self.categories
self.classifieur.categories_supposees = self.categories_supposees
self.classifieur.classifier(training_set=self.training_set, eval_set=self.eval_set, categories = self.categories)
print("Classification effectuée")
def evaluer(self):
p_d = defuzze(self.classifieur.p)
print("/// Evaluation interne ///")
print("Indice de Hubert interne : " + str(ei.huberts_interne(self.eval_set, p_d)))
print("/// Evaluation relative ///")
#print("Trop long, décommentez les indices correspondants dans classes.py si vous avez du temps")
#print("Indice de Hubert relatif : " + str(er.huberts_relatif(self.eval_set, self.classifieur.p)))
print("Indice de Dunn : " + str(er.dunn(self.eval_set, p_d)))
print("Indice de Davies-Bouldin : " + str(er.davies_bouldin(self.eval_set, p_d)))
print("/// Evaluation externe ///")
print("Précision : " + str(ee.precision(self.eval_set, p_d, self.classifieur.p_ref)))
print("Entropie de la classification : " + str(ee.entropie(self.eval_set, p_d, self.classifieur.p_ref)))
print("Indice de Rand : " + str(ee.jaccard(self.eval_set, p_d, self.classifieur.p_ref)))
print("Indice de Fowlkes & Mallows : " + str(ee.fowlkes_mallows(self.eval_set, p_d, self.classifieur.p_ref)))
print("Taux de liaisons et non-liaisons correctes et incorrectes : " + str(
ee.calcul_taux(self.eval_set, p_d, self.classifieur.p_ref)))
def interpreter(self, utiliser_textes_training = True, alpha = 0.5):
print("Composantes les plus importantes dans la classification :")
noms_composantes = self.analyseur.noms_composantes()
if utiliser_textes_training:
new_clusters = nouveaux_clusters(self.classifieur.training_set, self.classifieur.clusters, self.classifieur.categories)
else:
new_clusters = self.classifieur.clusters
A = importance(new_clusters, comp = True)
categories = self.classifieur.categories
importance1 = A[0]
ecarts_inter = A[1]
ecarts_intra = A[2]
moyennes_clusters = A[3]
indices_tries = sorted(list(range(len(importance1))), key = lambda k : importance1[k], reverse = True)
noms_et_importance1 = [(noms_composantes[k],importance1[k]) for k in indices_tries]
n=0
while n<len(noms_et_importance1) and noms_et_importance1[n][1]>alpha and n<30:
n+=1
if n>=len(noms_et_importance1):
n=len(noms_et_importance1)
for k in range(n):
print("")
print(str(k+1) + ") " + noms_et_importance1[k][0])
print("Importance : {:.4f}".format(noms_et_importance1[k][1]))
i = indices_tries[k]
print(" Ecart intra clusters pour cette composante : {:.4f} ".format(ecarts_intra[i]))
print(" Ecart inter clusters pour cette composante : {:.4f} ".format(ecarts_inter[i]))
for l in range(len(moyennes_clusters)):
m = moyennes_clusters[l]
cat = categories[l]
print(" Moyenne parmi les textes de la categorie " + cat + " : {:.4f}".format(m[i]))
def afficher_graphique(self, poids_composantes=None):
print("Affichage graphique des résultats")
if poids_composantes is None:
poids_composantes = self.classifieur.poids_composantes
fenetre = FenetreAffichage(self.analyseur, self.classifieur, poids_composantes(self.classifieur.clusters))
fenetre.build()
def afficher(self):
print("Résultats de la classification :")
attrib_oeuvres = {}
for o in self.oeuvres_eval_set:
attrib_oeuvres[o.auteur+str(o.numero)] = np.zeros((len(self.classifieur.categories)))
for i in range(self.classifieur.p.shape[0]):
t = self.eval_set[i]
attrib_oeuvres[t.auteur + str(t.numero)]+= self.classifieur.p[i,:]
for o in self.oeuvres_eval_set:
j = np.argmax(attrib_oeuvres[o.auteur+str(o.numero)])
if attrib_oeuvres[o.auteur+str(o.numero)][j] == 0:
print(o.auteur + str(o.numero) + "n'a pas été attribué.")
else:
print(o.auteur+str(o.numero) + " est dans la catégorie "+ self.classifieur.categories[j] +" (" + str(attrib_oeuvres[o.auteur+str(o.numero)][j]*100/np.sum(attrib_oeuvres[o.auteur+str(o.numero)]))+" %).")
def resoudre(self):
print("")
print("CREATION DES TEXTES")
print("")
self.creer_textes()
print("")
print("ANALYSE")
print("")
self.analyser()
print("")
print("CLASSIFICATION")
print("")
self.appliquer_classifieur()
print("")
print("EVALUATION")
print("")
self.evaluer()
print("")
print("INTERPRETATION")
print("")
self.interpreter()
print("")
print("AFFICHAGE")
print("")
self.afficher()
self.afficher_graphique()
class Verification:
def __init__(self, id_oeuvres_base, categories_base, id_oeuvres_calibrage, categories_calibrage, id_oeuvres_disputees, categories_disputees, taille_morceaux, analyseur, verificateur, langue = "fr", full_text = False):
print("Assemblage du problème de vérification")
self.id_oeuvres_base = id_oeuvres_base
self.id_oeuvres_calibrage = id_oeuvres_calibrage
self.id_oeuvres_disputees = id_oeuvres_disputees
self.liste_id_oeuvres_base = []
self.liste_id_oeuvres_calibrage = []
self.liste_id_oeuvres_disputees = []
self.oeuvres_base = []
self.oeuvres_calibrage = []
self.oeuvres_disputees = []
self.categories_base = categories_base
self.categories_calibrage = categories_calibrage
self.categories_disputees = categories_disputees
self.taille_morceaux = taille_morceaux
self.liste_oeuvres = []
print("Création - importation des oeuvres : ")
for k in range(len(id_oeuvres_base)):
for ident in id_oeuvres_base[k]:
auteur = ident[0]
numero = ident[1]
oeuvre = Oeuvre(auteur,numero,langue)
oeuvre.categorie = categories_base[k]
self.oeuvres_base.append(oeuvre)
self.liste_id_oeuvres_base.append((auteur,numero))
for k in range(len(id_oeuvres_calibrage)):
for ident in id_oeuvres_calibrage[k]:
auteur = ident[0]
numero = ident[1]
oeuvre = Oeuvre(auteur,numero,langue)
oeuvre.categorie = categories_calibrage[k]
self.oeuvres_calibrage.append(oeuvre)
self.liste_id_oeuvres_calibrage.append((auteur,numero))
for k in range(len(id_oeuvres_disputees)):
for ident in id_oeuvres_disputees[k]:
auteur = ident[0]
numero = ident[1]
oeuvre = Oeuvre(auteur,numero,langue)
oeuvre.categorie = categories_disputees[k]
self.oeuvres_disputees.append(oeuvre)
self.liste_id_oeuvres_disputees.append((auteur,numero))
print("")
print("Liste_oeuvres remplie")
self.analyseur = analyseur
print("Analyseur basé sur " + " ".join(analyseur.noms_fonctions()) + " initialisé")
self.verificateur = verificateur
self.verificateur.liste_id_oeuvres_base = self.liste_id_oeuvres_base
self.verificateur.liste_id_oeuvres_calibrage = self.liste_id_oeuvres_calibrage
self.verificateur.liste_id_oeuvres_disputees = self.liste_id_oeuvres_disputees
self.verificateur.oeuvres_base = self.oeuvres_base
self.verificateur.oeuvres_calibrage = self.oeuvres_calibrage
self.verificateur.oeuvres_disputees = self.oeuvres_disputees
self.verificateur.categories_base = categories_base
self.verificateur.categories_calibrage = categories_calibrage
self.verificateur.categories_disputees = categories_disputees
self.verificateur.analyseur = analyseur
self.verificateur.taille_morceaux = taille_morceaux
print("Vérificateur initialisé")
self.textes_base = []
self.textes_calibrage = []
self.textes_disputes = []
self.full_text = full_text
self.liste_textes = []
def creer_textes(self):
for oeuvre in self.oeuvres_base:
self.textes_base.extend(oeuvre.split(self.taille_morceaux,self.full_text))
for oeuvre in self.oeuvres_calibrage:
self.textes_calibrage.extend(oeuvre.split(self.taille_morceaux, self.full_text))
for oeuvre in self.oeuvres_disputees:
self.textes_disputes.extend(oeuvre.split(self.taille_morceaux,self.full_text))
self.liste_textes = self.textes_base + self.textes_calibrage + self.textes_disputes
print("Textes initialisés")
print("Ensemble de base : {} textes".format(len(self.textes_base)))
print("Ensemble de calibrage : {} textes".format(len(self.textes_calibrage)))
print("Ensemble de verif : {} textes".format(len(self.textes_disputes)))
def analyser(self, normalisation = True):
"""Applique la méthode analyser de l'analyseur : elle remplit les coordonnées du vecteur associé à chaque texte, et calcule le vecteur normalisé."""
self.analyseur.analyser(self.liste_textes)
D = np.array([texte.vecteur for texte in self.liste_textes])
A = D
if normalisation:
A = normaliser1(D)
for k,texte in enumerate(self.liste_textes):
texte.vecteur = A[k]
print("Textes analysés et vectorisés")
def appliquer_verificateur(self):
"""Applique le verificateur pour determiner la paternité de l'oeuvre disputée."""
self.verificateur.calibrer(self.textes_base, self.textes_calibrage)
self.verificateur.verifier(self.textes_base, self.textes_disputes)
self.verificateur.afficher()
def resoudre(self):
print("")
print("Création des textes :")
self.creer_textes()
print("")
print("Analyse :")
self.analyser()
print("")
print("Calibrage, démasquage et affichage :")
self.appliquer_verificateur()
print("")
class CrossValidation:
def __init__(self, id_oeuvres, categories, taille_morceaux, analyseur, createur_classifieur, pourcentage_eval = 0.1, nombre_essais = 20, langue = "fr", full_text = False, leave_one_out = False):
print("ASSEMBLAGE DE LA VALIDATION CROISEE")
print("")
self.oeuvres = []
self.categories = categories
self.taille_morceaux = taille_morceaux
self.liste_oeuvres = []
print("Création - importation des oeuvres : ")
for k in range(len(id_oeuvres)):
for ident in id_oeuvres[k]:
auteur = ident[0]
numero = ident[1]
oeuvre = Oeuvre(auteur,numero,langue)
oeuvre.categorie = categories[k]
self.oeuvres.append(oeuvre)
print()
print("Oeuvres initialisées")
self.analyseur = analyseur
print("Analyseur basé sur " + " ".join(self.analyseur.noms_fonctions()) + " initialisé")
print("Nombre de composantes : {}".format(len(analyseur.noms_composantes())))
self.liste_textes = []
self.full_text = full_text
self.pourcentage_eval = pourcentage_eval
self.nombre_essais = nombre_essais
self.leave_one_out = leave_one_out
self.createur_classifieur = createur_classifieur
def creer_textes(self, equilibrage = True):
for oeuvre in self.oeuvres:
self.liste_textes.extend(oeuvre.split(self.taille_morceaux,self.full_text))
if equilibrage :
self.liste_textes = equilibrer1(self.liste_textes)
print("Textes initialisés")
print("Nombre de textes par catégorie après équilibrage : {}".format(len(self.liste_textes)//len(self.categories)))
def analyser(self, normalisation = False):
"""Applique la méthode analyser de l'analyseur : elle remplit les coordonnées du vecteur associé à chaque texte, et calcule le vecteur normalisé."""
self.analyseur.analyser(self.liste_textes)
D = np.array([texte.vecteur for texte in self.liste_textes])
A = D
if normalisation:
A = normaliser1(D)
for k,texte in enumerate(self.liste_textes):
texte.vecteur = A[k]
print("Textes analysés et vectorisés")
def valider(self):
if self.leave_one_out:
prec = 0
for i in range(len(self.liste_textes)):
print("Texte {} sur {}".format(i+1,len(self.liste_textes)))
classifieur = self.createur_classifieur()
indices_eval_set = [i]
eval_set = [self.liste_textes[i] for i in indices_eval_set]
training_set = equilibrer1([self.liste_textes[j] for j in range(len(self.liste_textes)) if j not in indices_eval_set])
classifieur.classifier(training_set, eval_set, self.categories)
p = ee.precision(classifieur.eval_set, classifieur.p, classifieur.p_ref)
prec += p
prec /= len(self.liste_textes)
else:
prec = 0
taille_eval = int(len(self.liste_textes)*self.pourcentage_eval)
for e in range(self.nombre_essais):
print("Essai n°{}".format(e+1))
classifieur = self.createur_classifieur()
indices_eval_set = random.sample(list(range(len(self.liste_textes))), taille_eval)
eval_set = [self.liste_textes[i] for i in indices_eval_set]
training_set = equilibrer1([self.liste_textes[j] for j in range(len(self.liste_textes)) if j not in indices_eval_set])
classifieur.classifier(training_set, eval_set, self.categories)
p_d = defuzze(classifieur.p)
p = ee.precision(classifieur.eval_set, p_d, classifieur.p_ref)
prec += p
prec/=self.nombre_essais
print("")
if self.leave_one_out:
print("Validation croisée effectuée par méthode du 'leave one out'")
else:
print("Validation croisée effectuée en {} essais, sur un total de {} textes, dont environ {} % dans eval_set et {} % dans training_set".format(self.nombre_essais, len(self.liste_textes), int(self.pourcentage_eval*100), 100 - int(self.pourcentage_eval*100)))
print("Précision de la validation croisée : {}".format(prec))
self.prec = prec
def resoudre(self):
print("")
print("CREATION DES TEXTES")
print("")
self.creer_textes()
print("")
print("ANALYSE")
print("")
self.analyser()
print("")
print("VALIDATION")
print("")
self.valider()
print("")