informations
[mldemos:ashwini_shuklas-mldemos.git] / _AlgorithmsPlugins / Example / regressorExample.cpp
1 /*********************************************************************\r
2 MLDemos: A User-Friendly visualization toolkit for machine learning\r
3 Copyright (C) 2010  Basilio Noris\r
4 Contact: mldemos@b4silio.com\r
5 \r
6 This library is free software; you can redistribute it and/or\r
7 modify it under the terms of the GNU Lesser General Public\r
8 License as published by the Free Software Foundation; either\r
9 version 2.1 of the License, or (at your option) any later version.\r
10 \r
11 This library is distributed in the hope that it will be useful,\r
12 but WITHOUT ANY WARRANTY; without even the implied warranty of\r
13 MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.  See the GNU\r
14 Library General Public License for more details.\r
15 \r
16 You should have received a copy of the GNU Lesser General Public\r
17 License along with this library; if not, write to the Free\r
18 Software Foundation, Inc., 675 Mass Ave, Cambridge, MA 02139, USA.\r
19 *********************************************************************/\r
20 #include "public.h"\r
21 #include "regressorExample.h"\r
22 \r
23 using namespace std;\r
24 \r
25 void RegressorExample::Train(std::vector< fvec > samples, ivec labels)\r
26 {\r
27         if(!samples.size()) return;\r
28     dim = samples[0].size();\r
29 \r
30     // outputdim is the dimension that we want to estimate, and it might NOT be the last one in the dataset\r
31     if(outputDim != -1 && outputDim < dim-1)\r
32     {\r
33         // we need to swap the current last dimension with the desired output\r
34         FOR(i, samples.size())\r
35         {\r
36             float val = samples[i][dim-1];\r
37             samples[i][dim-1] = samples[i][outputDim];\r
38             samples[i][outputDim] = val;\r
39         }\r
40     }\r
41 \r
42     // here you will train the regressor with your data\r
43 }\r
44 \r
45 fvec RegressorExample::Test( const fvec &sample)\r
46 {\r
47     fvec res;\r
48     res.resize(2,0);\r
49     res[0] = drand48()-0.5; // the regression estimation\r
50     res[1] = drand48()*0.1; // the regression confidence (0 if you don't have one)\r
51         return res;\r
52 }\r
53 \r
54 const char *RegressorExample::GetInfoString()\r
55 {\r
56     char *text = new char[1024];\r
57     sprintf(text, "My Regressor Example\n");\r
58     sprintf(text, "\n");\r
59     sprintf(text, "Training information:\n");\r
60 \r
61     // here you can fill in whatever information you want\r
62 \r
63     return text;\r
64 }\r