/// <summary>
/// Перестройка индексов для определения объектов, которые плохо классифицтрованы
/// </summary>
private void RefreshIndexes()
{
int rowsCnt = _trainResult.Count;
// находим разницы между реальными значениями и прогнозными в train-set
_errors = new Dictionary<string, double>();
var rlist = new RocItem[rowsCnt]; // массив для оценки результата
double sumdiff = 0;
int i = 0;
foreach (var k in _trainResult.Keys)
{
double tprob = _trainProbAvg[k];
int targ = _trainResult[k];
double diff = Math.Abs(tprob - targ);
sumdiff += diff;
_errors.Add(k, diff);
rlist[i] = new RocItem();
rlist[i].Prob = tprob;
rlist[i].Target = targ;
rlist[i].Predicted = tprob > 0.5 ? 1 : 0;
i++;
}
Array.Sort(rlist, (o1, o2) => (1 - o1.Prob).CompareTo(1 - o2.Prob));
var clres = ResultCalc.GetResult(rlist, 0.05);
Logger.Log("cl auc=" + clres.AUC.ToString("F10") + "; loss=" + clres.LogLoss.ToString("F10") + "; sumdiff=" + sumdiff);
// сортируем индексы
KeyValuePair<string, double>[] sarr = null;
if (IndexSortOrder==null || (IndexSortOrder.ToLower()!="desc" && IndexSortOrder.ToLower()!="asc"))
{
sarr = new KeyValuePair<string, double>[rowsCnt];
for (int l=0;l<sarr.Length;l++)
sarr[l] = new KeyValuePair<string, double>(l.ToString(), l);
}
else
{
if (IndexSortOrder.ToLower() == "desc")
{
sarr = _errors.OrderByDescending(t => t.Value).ToArray();
int outliersCnt = (int)(sarr.Length * OutliersPrct);
for (int s = 0; s < outliersCnt; s++)
sarr[s] = new KeyValuePair<string, FType>(sarr[s].Key, -1);
sarr = sarr.OrderByDescending(t => t.Value).ToArray();
}
if (IndexSortOrder.ToLower() == "asc")
sarr = _errors.OrderBy(t => t.Value).ToArray();
}
_indexes = new int[rowsCnt];
i = 0;
if (sarr == null)
{
Logger.Log("sarr is null");
return;
}
foreach (var kvp in sarr)
_indexes[i++] = Convert.ToInt32(double.Parse(kvp.Key));
}
private FinalFuncResult GetMetricsAccumulated(DecisionBatch cls,
Dictionary<string, double> probSum,
Dictionary<string, double> probAvg,
Dictionary<string, int> resultDict,
int nbcount,
Func<DecisionBatch, Dictionary<string, double>> getResult
)
{
// получаем результат по одному классификатору
var result = getResult(cls);
// сохраняем общую сумму голостов по идентификатору
// т.е. добавляем результат голосований от очередного классификатора cls
foreach (string id in result.Keys)
{
if (!probSum.ContainsKey(id))
probSum.Add(id, 0);
probSum[id] += result[id];
}
// находим вероятности, деля количество голосов на количеств деревьев во всех классификаторах
foreach (var id in probSum.Keys)
{
if (!probAvg.ContainsKey(id))
probAvg.Add(id, 0);
probAvg[id] = probSum[id] / nbcount;
}
var rlist = new RocItem[resultDict.Count]; // массив для оценки результата
// находим статистики классификации
int idx = 0;
foreach (string id in result.Keys)
{
if (rlist[idx] == null) rlist[idx] = new RocItem();
rlist[idx].Prob = probAvg[id]; // среднее по наблюдениям
rlist[idx].Target = resultDict[id];
rlist[idx].Predicted = probAvg[id] > 0.5 ? 1 : 0;
idx++;
}
Array.Sort(rlist, (o1, o2) => (1 - o1.Prob).CompareTo(1 - o2.Prob));
var clsRes = ResultCalc.GetResult(rlist, 0.05);
return clsRes;
}
private static void CalcOutOfTheBagMetrics(List<DecisionTree> treeList, double[,] xy, DecisionBatch batch, bool useLogit)
{
var rdict = new Dictionary<int, int>();
foreach (var tree in treeList)
{
foreach (int id in tree.RowIndexes)
{
if (!rdict.ContainsKey(id))
rdict.Add(id, 0);
rdict[id]++;
}
}
int npoints = xy.GetLength(0);
int nvars = xy.GetLength(1) - 1;
int tnpoints = npoints - rdict.Count;
var rlist = new RocItem[tnpoints]; // массив для оценки результата
var ntrain = new double[tnpoints, batch.CountTreesInBatch+1]; // массив для оценки результата
double accCoeff = rdict.Count / (double)npoints;
for (int i=0, k=0; i < npoints; i++)
{
if (rdict.ContainsKey(i)) continue;
var tobj = new double[nvars];
for (int j = 0; j < nvars; j++)
tobj[j] = xy[i, j];
rlist[k] = new RocItem();
double[] tprob = batch.PredictProba(tobj);
rlist[k].Prob = tprob[1];
rlist[k].Predicted = tprob[1]>0.5?1:0;
rlist[k].Target = Convert.ToInt32(xy[i, nvars]);
double[] bytree = batch.PredictByTree(tobj);
for (int j = 0; j < batch.CountTreesInBatch; j++)
ntrain[k, j] = bytree[j];
ntrain[k, batch.CountTreesInBatch] = xy[i, nvars];
k++;
}
Array.Sort(rlist, (o1, o2) => (1 - o1.Prob).CompareTo(1 - o2.Prob));
batch.OutBagEstimations = ResultCalc.GetResult(rlist, 0.05);
if (useLogit)
{
int info;
alglib.mnlreport rep;
alglib.mnltrainh(ntrain, tnpoints, batch.CountTreesInBatch, 2, out info, out batch._logitModel, out rep);
for (int i = 0, k = 0; i < npoints; i++)
{
if (rdict.ContainsKey(i)) continue;
var tobj = new double[nvars];
for (int j = 0; j < nvars; j++)
tobj[j] = xy[i, j];
rlist[k] = new RocItem();
double[] tprob = batch.PredictProba(tobj);
rlist[k].Prob = tprob[1];
rlist[k].Predicted = tprob[1] > 0.5 ? 1 : 0;
rlist[k].Target = Convert.ToInt32(xy[i, nvars]);
k++;
}
Array.Sort(rlist, (o1, o2) => (1 - o1.Prob).CompareTo(1 - o2.Prob));
batch.OutBagEstimationsLogit = ResultCalc.GetResult(rlist, 0.05);
}
Logger.Log("accCoeff: " + accCoeff + "; bag:" + batch.OutBagEstimations.AUC + "; logit:" + batch.OutBagEstimationsLogit?.AUC);
}
/// <summary>
/// build and test classifier
/// </summary>
public override ClassifierResult Build()
{
if (_trainLoader?.LearnRows == null)
throw new InvalidOperationException("train set is empty");
Clear();
var ret = new ClassifierResult();
using (var sw = new StreamWriter(new FileStream("auchist.csv", FileMode.Create, FileAccess.Write)))
{
sw.WriteLine("time;n;train auc;test auc;stype");
// создаем первые классификаторы (first step)
for (int i = 0; i < BatchesInFirstStep; i++)
{
DecisionBatch cls;
if (IsLoadFirstStepBatches)
{
cls = DecisionBatch.Load(Environment.CurrentDirectory + "\\batches\\" + "batch_" + $"{i:0000.#}" + ".dmp");
if (cls == null)
{
cls = DecisionBatch.CreateBatch(_trainLoader.LearnRows, TreesInBatch, _nclasses, RfCoeff,
VarsCoeff,null, IsParallel, UseBatchLogit);
if (IsSaveTrees) cls.Save();
}
}
else
{
cls = DecisionBatch.CreateBatch(_trainLoader.LearnRows, TreesInBatch, _nclasses, RfCoeff,
VarsCoeff, null, IsParallel, UseBatchLogit);
if (IsSaveTrees) cls.Save();
}
// расчитываем метрики для тестового и обучающего множества (накопленные)
var testRes = GetTestMetricsAccumulated(cls);
var trainRes = GetTrainMetricsAccumulated(cls);
Logger.Log("batch=" + i + " ok; train AUC=" + trainRes.AUC.ToString("F10") + " test AUC = " + testRes.AUC.ToString("F10"));
sw.WriteLine(DateTime.Now.ToString("yyyy-MM-dd HH:mm:ss") + ";" + i + ";" + trainRes.AUC + ";" + testRes.AUC + ";none");
sw.Flush();
ret.AddStepResult(testRes, i);
}
// далее создаем классификаторы с учетом ошибки предыдущих (second step)
int totalBatches = BatchesInFirstStep + BatchesInSecondStep;
for (int i = BatchesInFirstStep; i < totalBatches; i++)
{
DecisionBatch bestBatch = null;
// перестраиваем индексы плохо классифицированных объектов (плохие сначала)
RefreshIndexes();
double bestMetric = double.MaxValue;
// строим классификаторы и выбираем лучший
for (int k = 0; k < BatchesInBruteForce; k++)
{
var scls = DecisionBatch.CreateBatch(_trainLoader.LearnRows, TreesInBatch, _nclasses, RfCoeff,
VarsCoeff, _indexes, IsParallel, UseBatchLogit);
// расчитываем метрики для тестового множества
var trainCntRes = GetTrainClassificationCounts(scls);
int cnt = UseBatchLogit ? 1 : scls.CountTreesInBatch;
var rlist = new RocItem[_trainResult.Count]; // массив для оценки результата
// находим статистики классификации
int idx = 0;
double accerr = 0.0;
foreach (string id in _trainResult.Keys)
{
if (rlist[idx] == null) rlist[idx] = new RocItem();
rlist[idx].Prob = trainCntRes[id]/ cnt; // среднее по наблюдениям
rlist[idx].Target = _trainResult[id];
rlist[idx].Predicted = rlist[idx].Prob > 0.5 ? 1 : 0;
accerr += Math.Pow(rlist[idx].Prob - rlist[idx].Target, 2);
idx++;
}
Array.Sort(rlist, (o1, o2) => (1 - o1.Prob).CompareTo(1 - o2.Prob));
var clsRes = ResultCalc.GetResult(rlist, 0.05);
accerr *= (1 - clsRes.AUC);
Logger.Log("sub cls #" + k + " auc=" + clsRes.AUC.ToString("F10") + " eps=" + accerr + (accerr < bestMetric ? " [best]" : ""));
if (accerr < bestMetric)
{
bestMetric = accerr;
bestBatch = scls;
}
}
var testRes = GetTestMetricsAccumulated(bestBatch);
var trainRes = GetTrainMetricsAccumulated(bestBatch);
if (IsSaveTrees)
{
if (bestBatch != null)
bestBatch.Save();
else
Logger.Log("best Batch is null");
}
ret.AddStepResult(testRes, i);
Logger.Log("batch=" + i + " ok; train AUC=" + trainRes.AUC.ToString("F10") + " test AUC = " + testRes.AUC.ToString("F10"));
sw.WriteLine(DateTime.Now.ToString("yyyy-MM-dd HH:mm:ss") + ";" + i + ";" + trainRes.AUC + ";" + testRes.AUC + ";" + IndexSortOrder);
sw.Flush();
}
sw.Close();
}
return ret;
}
public override ClassifierResult Build()
{
//For this example (and indeed, many scenarios), the default
//parameters will suffice.
Parameter parameters = new Parameter();
double C;
double Gamma;
//This will do a grid optimization to find the best parameters
//and store them in C and Gamma, outputting the entire
//search to params.txt.
ParameterSelection.Grid(_trainProblem, parameters, "params.txt", out C, out Gamma);
parameters.C = C;
parameters.Gamma = Gamma;
//Train the model using the optimal parameters.
_model = Training.Train(_trainProblem, parameters);
// пробегаем по всем клиентски данным и сохраняем результат
var probDictList = new Dictionary<string, Dictionary<int, double>>();
foreach (string id in _testDataDict.Keys)
{
if (!probDictList.ContainsKey(id))
probDictList.Add(id, new Dictionary<int, double>());
foreach (var sarr in _testDataDict[id])
{
var y = PredictProba(sarr);
double prob = y.Probs[1];
int kmax = probDictList[id].Keys.Count == 0 ? 0 : probDictList[id].Keys.Max() + 1;
probDictList[id].Add(kmax, prob);
}
}
// вероятность дефолта определяется как среднее по записям для клиента
var probDict = new Dictionary<string, double>();
foreach (var id in probDictList.Keys)
{
int cnt = probDictList[id].Keys.Count();
double prob = 0;
foreach (var d in probDictList[id].Keys)
{
prob += probDictList[id][d];
}
if (!probDict.ContainsKey(id))
probDict.Add(id, prob / cnt);
}
// находим статистики классификации
var rlist = new RocItem[_resultDict.Count]; // массив для оценки результата
int idx = 0;
foreach (string id in probDict.Keys)
{
if (rlist[idx] == null) rlist[idx] = new RocItem();
rlist[idx].Prob = probDict[id]; // среднее по наблюдениям
rlist[idx].Target = _resultDict[id];
rlist[idx].Predicted = 0;
idx++;
}
Array.Sort(rlist, (o1, o2) => (1 - o1.Prob).CompareTo(1 - o2.Prob));
var cres = ResultCalc.GetResult(rlist, 0.05);
var clsRes = new ClassifierResult();
clsRes.BestResult = cres;
clsRes.LastResult = cres;
clsRes.ResDict.Add(0, cres);
return clsRes;
}