static void Main(string[] args)
{
var media = new int[30];
var tamanhoTestes = 0;
for (var knn = 0; knn < media.Length; knn++)
{
List <Flower> trainData = new List <Flower>();
List <Flower> avaliacao = new List <Flower>();
List <Flower> teste = new List <Flower>();
List <List <Flower> > Flowerzinhas = Flower.GetFlowerLists();
foreach (var Flower in Flowerzinhas)
{
for (var i = 0; i < Flower.Count; i++)
{
if (i < Flower.Count / 4)
{
trainData.Add(Flower[i]);
}
if (i > Flower.Count / 4 && i < Flower.Count / 2)
{
avaliacao.Add(Flower[i]);
}
if (i > Flower.Count / 2)
{
teste.Add(Flower[i]);
}
}
}
tamanhoTestes = teste.Count();
int numClasses = 3;
int k = 3;
List <List <Flower> > trainList = new List <List <Flower> >();
int[] treinos = new int[20];
for (var i = 0; i < treinos.Length; i++)
{
var g = 0;
foreach (var florre in avaliacao)
{
string flore = Flower.Classify(florre.Features, trainData, numClasses, k, false);
if (florre.Class != Flower.GetFlowerCode(flore))
{
trainData[g].Trocar = true;
treinos[i]++;
}
g++;
}
for (var jj = 0; jj < avaliacao.Count; jj++)
{
if (trainData[jj].Trocar == true && trainData[jj].Trocado == false)
{
var listaDeClasses = avaliacao.Where(c => c.Class == trainData[jj].Class && c.Trocado == false);
if (listaDeClasses.Any())
{
var aux = listaDeClasses.FirstOrDefault();
var auxAvaliacao = trainData[jj];
trainData[jj] = aux;
aux = auxAvaliacao;
trainData[jj].Trocado = true;
listaDeClasses.ElementAt(0).Features = aux.Features;
listaDeClasses.ElementAt(0).Trocado = true;
}
}
}
for (var ij = 0; ij < avaliacao.Count; ij++)
{
trainData[ij].Trocar = false;
trainData[ij].Trocado = false;
avaliacao[ij].Trocar = false;
avaliacao[ij].Trocado = false;
}
trainList.Add(trainData);
}
int bestClass = int.MaxValue;
int theChosenOne = 0;
for (var x = 0; x < treinos.Length; x++)
{
if (treinos[x] < bestClass)
{
bestClass = treinos[x];
theChosenOne = x;
}
}
var bestTrainData = new List <Flower>();
bestTrainData = trainList[theChosenOne];
int acertos = 0;
foreach (Flower florrrr in teste)
{
string flore = Flower.Classify(florrrr.Features, bestTrainData, numClasses, k, false);
if (florrrr.Class == Flower.GetFlowerCode(flore))
{
acertos++;
}
}
media[knn] = acertos;
}
var mediaManhattan = media.Sum() / media.Length;
var desvioaPadraoManhattan = Math.Round(StandardDeviation.Calc(media), 1);
Console.WriteLine("\nDistância Manhattan\n");
Console.WriteLine($"\nPorcentagem média de acertos: {100 * mediaManhattan / tamanhoTestes}%");
Console.WriteLine("Média de acertos: " + mediaManhattan + "/" + tamanhoTestes);
Console.WriteLine("Desvio Padrão: " + desvioaPadraoManhattan);
media = new int[30];
for (var knn = 0; knn < media.Length; knn++)
{
List <Flower> trainData = new List <Flower>();
List <Flower> avaliacao = new List <Flower>();
List <Flower> teste = new List <Flower>();
List <List <Flower> > Flowerzinhas = Flower.GetFlowerLists();
foreach (var Flower in Flowerzinhas)
{
for (var i = 0; i < Flower.Count; i++)
{
if (i < Flower.Count / 4)
{
trainData.Add(Flower[i]);
}
if (i > Flower.Count / 4 && i < Flower.Count / 2)
{
avaliacao.Add(Flower[i]);
}
if (i > Flower.Count / 2)
{
teste.Add(Flower[i]);
}
}
}
tamanhoTestes = teste.Count();
int numClasses = 3;
int k = 3;
List <List <Flower> > trainList = new List <List <Flower> >();
int[] treinos = new int[20];
for (var i = 0; i < treinos.Length; i++)
{
var g = 0;
foreach (var florrr in avaliacao)
{
string flore = Flower.Classify(florrr.Features, trainData, numClasses, k, true);
if (florrr.Class != Flower.GetFlowerCode(flore))
{
trainData[g].Trocar = true;
treinos[i]++;
}
g++;
}
for (var jj = 0; jj < avaliacao.Count; jj++)
{
if (trainData[jj].Trocar == true && trainData[jj].Trocado == false)
{
var listaDeClasses = avaliacao.Where(c => c.Class == trainData[jj].Class && c.Trocado == false);
if (listaDeClasses.Any())
{
var aux = listaDeClasses.FirstOrDefault();
var auxAvaliacao = trainData[jj];
trainData[jj] = aux;
aux = auxAvaliacao;
trainData[jj].Trocado = true;
listaDeClasses.ElementAt(0).Features = aux.Features;
listaDeClasses.ElementAt(0).Trocado = true;
}
}
}
for (var ij = 0; ij < avaliacao.Count; ij++)
{
trainData[ij].Trocar = false;
trainData[ij].Trocado = false;
avaliacao[ij].Trocar = false;
avaliacao[ij].Trocado = false;
}
trainList.Add(trainData);
}
int bestClass = int.MaxValue;
int theChosenOne = 0;
for (var x = 0; x < treinos.Length; x++)
{
if (treinos[x] < bestClass)
{
bestClass = treinos[x];
theChosenOne = x;
}
}
var bestTrainData = new List <Flower>();
bestTrainData = trainList[theChosenOne];
int acertos = 0;
foreach (Flower bal in teste)
{
string balanco = Flower.Classify(bal.Features, bestTrainData, numClasses, k, true);
if (bal.Class == Flower.GetFlowerCode(balanco))
{
acertos++;
}
}
media[knn] = acertos;
}
var mediaEuclidiana = media.Sum() / media.Length;
var desvioaPadraoEuclidiana = Math.Round(StandardDeviation.Calc(media), 1);
Console.WriteLine("\nDistância Euclidiana\n");
Console.WriteLine($"\nPorcentagem média de acertos: {100 * mediaEuclidiana / tamanhoTestes}%");
Console.WriteLine("Média de acertos: " + mediaEuclidiana + "/" + tamanhoTestes);
Console.WriteLine("Desvio Padrão: " + desvioaPadraoEuclidiana);
Console.ReadLine();
}
static void Main(string[] args)
{
var media = new int[30];
var tamanhoTestes = 0;
for (var knn = 0; knn < media.Length; knn++)
{
List <Seed> trainData = new List <Seed>();
List <Seed> avaliacao = new List <Seed>();
List <Seed> teste = new List <Seed>();
List <List <Seed> > seedzinhas = Seed.GetSeedsList();
foreach (var seed in seedzinhas)
{
for (var i = 0; i < seed.Count; i++)
{
if (i < seed.Count / 4)
{
trainData.Add(seed[i]);
}
if (i > seed.Count / 4 && i < seed.Count / 2)
{
avaliacao.Add(seed[i]);
}
if (i >= seed.Count / 2)
{
teste.Add(seed[i]);
}
}
}
tamanhoTestes = teste.Count();
int numClasses = 3;
int k = 1;
List <List <Seed> > trainList = new List <List <Seed> >();
int[] treinos = new int[10];
for (var i = 0; i < treinos.Length; i++)
{
var g = 0;
foreach (var semente in avaliacao)
{
int seed = Seed.Classify(semente.Features, trainData, numClasses, k, false);
if (semente.Class != seed)
{
trainData[g].Trocar = true;
treinos[i]++;
}
g++;
}
for (var jj = 0; jj < avaliacao.Count; jj++)
{
if (trainData[jj].Trocar == true && trainData[jj].Trocado == false)
{
var listaDeClasses = avaliacao.Where(c => c.Class == trainData[jj].Class && c.Trocado == false).ToList();
listaDeClasses.OrderBy(a => Guid.NewGuid()).ToList();
var aux = listaDeClasses.FirstOrDefault();
var auxAvaliacao = trainData[jj];
trainData[jj] = aux;
aux = auxAvaliacao;
listaDeClasses.ElementAt(0).Features = aux.Features;
trainData[jj].Trocado = true;
listaDeClasses.ElementAt(0).Trocado = true;
}
}
for (var ij = 0; ij < avaliacao.Count; ij++)
{
trainData[ij].Trocar = false;
trainData[ij].Trocado = false;
avaliacao[ij].Trocar = false;
avaliacao[ij].Trocado = false;
}
trainList.Add(trainData);
}
int bestClass = int.MaxValue;
int theChosenOne = 0;
for (var x = 0; x < treinos.Length; x++)
{
if (treinos[x] < bestClass)
{
bestClass = treinos[x];
theChosenOne = x;
}
}
var bestTrainData = new List <Seed>();
bestTrainData = trainList[theChosenOne];
int acertos = 0;
foreach (Seed seed in teste)
{
int semente = Seed.Classify(seed.Features, bestTrainData, numClasses, k, false);
if (seed.Class == semente)
{
acertos++;
}
}
media[knn] = acertos;
}
var mediaManhattan = media.Sum() / media.Length;
var desvioaPadraoManhattan = Math.Round(StandardDeviation.Calc(media), 1);
Console.WriteLine("\nDistância Manhattan\n");
Console.WriteLine($"\nPorcentagem média de acertos: {100 * mediaManhattan / tamanhoTestes}%");
Console.WriteLine("Média de acertos: " + mediaManhattan + "/" + tamanhoTestes);
Console.WriteLine("Desvio Padrão: " + desvioaPadraoManhattan);
media = new int[30];
for (var knn = 0; knn < media.Length; knn++)
{
List <Seed> trainData = new List <Seed>();
List <Seed> avaliacao = new List <Seed>();
List <Seed> teste = new List <Seed>();
List <List <Seed> > seedzinhas = Seed.GetSeedsList();
foreach (var seed in seedzinhas)
{
for (var i = 0; i < seed.Count; i++)
{
if (i < seed.Count / 4)
{
trainData.Add(seed[i]);
}
if (i > seed.Count / 4 && i < seed.Count / 2)
{
avaliacao.Add(seed[i]);
}
if (i >= seed.Count / 2)
{
teste.Add(seed[i]);
}
}
}
tamanhoTestes = teste.Count();
int numClasses = 3;
int k = 1;
List <List <Seed> > trainList = new List <List <Seed> >();
int[] treinos = new int[10];
for (var i = 0; i < treinos.Length; i++)
{
var g = 0;
foreach (var semente in avaliacao)
{
int seed = Seed.Classify(semente.Features, trainData, numClasses, k, true);
if (semente.Class != seed)
{
trainData[g].Trocar = true;
treinos[i]++;
}
g++;
}
for (var jj = 0; jj < avaliacao.Count; jj++)
{
if (trainData[jj].Trocar == true && trainData[jj].Trocado == false)
{
var listaDeClasses = avaliacao.Where(c => c.Class == trainData[jj].Class && c.Trocado == false).ToList();
listaDeClasses.OrderBy(a => Guid.NewGuid()).ToList();
var aux = listaDeClasses.FirstOrDefault();
var auxAvaliacao = trainData[jj];
trainData[jj] = aux;
aux = auxAvaliacao;
listaDeClasses.ElementAt(0).Features = aux.Features;
trainData[jj].Trocado = true;
listaDeClasses.ElementAt(0).Trocado = true;
}
}
for (var ij = 0; ij < avaliacao.Count; ij++)
{
trainData[ij].Trocar = false;
trainData[ij].Trocado = false;
avaliacao[ij].Trocar = false;
avaliacao[ij].Trocado = false;
}
trainList.Add(trainData);
}
int bestClass = int.MaxValue;
int theChosenOne = 0;
for (var x = 0; x < treinos.Length; x++)
{
if (treinos[x] < bestClass)
{
bestClass = treinos[x];
theChosenOne = x;
}
}
var bestTrainData = new List <Seed>();
bestTrainData = trainList[theChosenOne];
int acertos = 0;
foreach (Seed seed in teste)
{
int semente = Seed.Classify(seed.Features, bestTrainData, numClasses, k, true);
if (seed.Class == semente)
{
acertos++;
}
}
media[knn] = acertos;
}
var mediaEuclidiana = media.Sum() / media.Length;
var desvioaPadraoEuclidiana = Math.Round(StandardDeviation.Calc(media), 1);
Console.WriteLine("\nDistância Euclidiana\n");
Console.WriteLine($"\nPorcentagem média de acertos: {100 * mediaEuclidiana / tamanhoTestes}%");
Console.WriteLine("Média de acertos: " + mediaEuclidiana + "/" + tamanhoTestes);
Console.WriteLine("Desvio Padrão: " + desvioaPadraoEuclidiana);
Console.WriteLine("O melhor classificador é: ");
Console.ReadLine();
}
