private void WriteAccurancy2File(string fileName, double[] actual, double[] forecast)
{
StreamWriter writer;
MeasureBUS measureBUS = new MeasureBUS();
double Result = measureBUS.CorrectPredictRate(actual, forecast);
writer = new StreamWriter(fileName);
writer.WriteLine("Correct Predicted:\t" + Result.ToString() + "%");
writer.Close();
_resultShow += "<font color = \"blue\">Accuracy = " + Result.ToString() + "%</font><br>";
}
private bool SubTestANN_DT(string strTrainFile)
{
string strModelFile = null;
string strTestFile = null;
int iPos = strTrainFile.LastIndexOf('_');
strModelFile = strTrainFile.Remove(iPos + 1) + "model.txt";
iPos = strTrainFile.LastIndexOf('.');
strTestFile = strTrainFile.Remove(iPos) + "_subtest.txt";
// Load model lên
BackpropagationNetwork bpNetwork;
Stream stream = File.Open(strModelFile, FileMode.Open);
BinaryFormatter bformatter = new BinaryFormatter();
bpNetwork = (BackpropagationNetwork)bformatter.Deserialize(stream);
stream.Close();
// Tạo tập mẫu để test
TrainingSet testSet = new TrainingSet(strTestFile, bpNetwork.OutputLayer.NeuronCount);
// Ma trận với dòng thứ 1 chứa các giá trị thực và dòng thứ 2 chứa các giá trị dự đoán.
double[][] dblActual_Forecast = new double[2][];
dblActual_Forecast[0] = new double[testSet.TrainingSampleCount];
dblActual_Forecast[1] = new double[testSet.TrainingSampleCount];
// Thực hiện test
for (int i = 0; i < testSet.TrainingSampleCount; i++)
{
TrainingSample testSample = testSet[i];
dblActual_Forecast[0][i] = ConverterBUS.Convert2Trend(testSample.OutputVector);
double[] dblTemp = bpNetwork.Run(testSample.InputVector);
dblActual_Forecast[1][i] = ConverterBUS.Convert2Trend(dblTemp);
}
MeasureBUS measureBus = new MeasureBUS();
double Result = measureBus.CorrectPredictRate((double[])dblActual_Forecast[0], (double[])dblActual_Forecast[1]);
if (_accDTANNBefore < Result)// lưu lại model tốt nhất
{
_accDTANNBefore = Result;
return true;// Giữa lại bộ tham số
}
return false;
}
