软件简介

Easy-Classify是什么?

Easy-
Classify是一个基于python的sklearn包，自动生成二分类Excel实验报告和ROC值的小脚本，是二分类集成分类器的良好解决方案。分类器目前集成：

• Nearest Neighbors

• Bagging

• GradientBoosting

• SGD

• LibSVM

• Linear SVM

• SMO

• LinearSVC

• Decision Tree

• Random Forest

• AdaBoost

• Naive Bayes

• Neural Network

• ......

运行环境

• python 2.7及其基础科学计算包numpy、scipy、pandas；

• python的scikit-learn包用于跑分类器：

  pip install scikit-learn

• python的scikit-neuralnetwork包用于跑神经网络：

  pip install scikit-neuralnetwork

• python的xlwt用于写入excel结果报告：

  pip intall xlwt

输入输出

• 输入：包含全部正反例的libsvm或arff格式文件，支持多文件混合输入。文件正反例标签为{0,1}，arff格式为weka软件默认格式，libsvm格式如：

  1 1:7.964601769911504 2:0.8849557522123894 3:1.1799410029498525
    0 1:9.583333333333334 2:0.8333333333333334 3:4.1666666666666660
    1 1:6.427423674343867 2:0.8569898232458489 3:5.9989287627209430
    0 1:12.50000000000000 2:2.2727272727272730 3:5.1136363636363640

• 输出：

  • easy_classify.py: 输出Excel实验表格，如results.xls文件所示

  • easy_roc.py: 输出pdf格式的roc曲线图数据表，如ROC.xls文件所示

使用命令

1. easy_classify.py专用于生成excel实验报告：

• 必选参数：

  # 交叉验证如：python easy_classify.py -i train.libsvm -c 10
  

  训练测如：python easy_classify.py -i train.libsvm -t 0.25

  • -i：输入的arff或libsvm格式文件，支持混输。如：-i train.libsvm,train2.arff，注意文件之间用英文,连接；

  • -c或-t：-c为交叉验证模式，值为交叉验证折数，如-c 5，默认为5；-t为训练测试模式，值为训练集测试集分割比例，如-t 0.33，默认为0.33.

• 可选参数：

  • -o：指定输出excel文件名。默认为results.xls。

  • -s：是否寻找最佳分类器参数。0为不寻找，1为寻找。默认为0。

  • -m：是否并行运算，1GB以上大数据集不推荐使用。0为单线程运算，1为多线程并行运算，线程数是同时运行的分类器数，适合CPU和内存资源强大的用户。默认为1。

• 帮助：

  python easy_classify.py -h

2. easy_roc.py专用于生成绘制ROC曲线图需要的数据（只支持交叉验证）：

• 交叉验证：

  python easy_roc.py -i {input_file.libsvm} -c {int: cross validate folds}
    # 单文件命令如：python easy_roc.py -i train.libsvm -c 5
    # 多文件命令如：python easy_roc.py -i train.libsvm,train2.libsvm -c 5

• 帮助：

  python easy_roc.py -h

升级日志

• 2016-08-08，version 0.20:

  • 完成基本功能框架，集成主要分类器

  • 自动生成测试报告

  • 支持并行

• 2016-08-12，version 0.40：

  • 增加神经网络等更多分类器

  • 增加分类器参数自动调优

  • 支持多种文件同时输入

• 2016-09-15，version 0.50：

  • 增加ROC曲线图输出数据

• 2016-10-26，version 0.60：

  • 更好地支持并行

  • 增加参数可选

  • 修复一些bug