public void Main(int measureType)
{
//Khởi tạo bộ trọng số ngẫu nhiên cho mô hình
ANNModel.InitialWeight();
TSCFDCostFunction();
int loop = 1;
bool bContinue = true;
MeasureBUS measureBUS = new MeasureBUS();
while (bContinue)
{
for (int i = 0; i < NumPattern; i++)
{
ANNModel.OutInputLayer = ArrPattern[i];
ArrPredict[i] = ANNModel.FeedforwardTraining();
}
switch (measureType)
{
case MSE:
Error = measureBUS.MSE(ArrActual, ArrPredict);
break;
case NMSE:
Error = measureBUS.NMSE(ArrActual, ArrPredict);
break;
case RMSE:
Error = measureBUS.RMSE(ArrActual, ArrPredict);
break;
case SIGN:
Error = measureBUS.Sign(ArrActual, ArrPredict);
break;
}
bool bResult = CompareError_Accurancy(Error, ANNParameterBUS.Accuracy, measureType);
if (bResult == true || loop >= ANNParameterBUS.MaxEpoch)
{
bContinue = false;
ANNModel.SaveModelFile();
//ghi nhận độ lỗi và số vòng lặp của quá trình train
ANNModel.SaveError_MaxLoop(Error, loop);
}
else
{
for (int i = 0; i < NumPattern; i++)
{
ANNModel.OutInputLayer = ArrPattern[i];
ANNModel.FeedforwardTraining();
ANNModel.ErrorBackpropagationTraining(ArrDesiredValue[i]);
}
}
loop++;
}
}
private void btnTest_Click(object sender, EventArgs e)
{
if (tbxTestFilePath.Text == "" || tbxModelFilePath.Text == "")
{
MessageBox.Show("Error: You must fill all required inputs!", "Error", MessageBoxButtons.OK, MessageBoxIcon.Error);
return;
}
#region Phần chung
//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] = null;
dblActual_Forecast[1] = null;
int iPos = tbxTestFilePath.Text.LastIndexOf('\\');
string strFolderPath = tbxTestFilePath.Text.Remove(iPos+1);
#endregion
#region Phần riêng
#region Dự đoán giá
if (rdPricePrediction.Checked)//Dự đoán giá
{
iPos = tbxTestFilePath.Text.LastIndexOf('_');
string strMutualPath = tbxTestFilePath.Text.Remove(iPos + 1);
string strPredictedFile = strMutualPath + "predict.txt";
#region SVR
if (rdSVR.Checked)//Mô hình SVR
{
string[] strArgs = new string[3];
strArgs[0] = tbxTestFilePath.Text;
strArgs[1] = tbxModelFilePath.Text;
strArgs[2] = strPredictedFile;
StreamReader reader = new StreamReader(tbxModelFilePath.Text);
string strLine = reader.ReadLine();
if (strLine == "Multiple") //Bag Pattern Search
{
StreamWriter measure = new StreamWriter(strMutualPath + "SingleModelMeasure.txt");
strLine = reader.ReadLine(); //Số mô hình
int iNumModel = Convert.ToInt32(strLine);
double[][][] dblActual_ForecastSeries = new double[iNumModel][][];
for (int i = 0; i < iNumModel; i++)
{
dblActual_ForecastSeries[i] = new double[2][];
dblActual_ForecastSeries[i][0] = null;
dblActual_ForecastSeries[i][1] = null;
strLine = reader.ReadLine(); //Đường dẫn đến file model
strArgs[1] = strLine;
dblActual_ForecastSeries[i] = svm_predict.MainProcess(strArgs);
MeasureBUS measureBUS = new MeasureBUS();
double dblMSE = measureBUS.MSE(dblActual_ForecastSeries[i][0], dblActual_ForecastSeries[i][1]);
double dblNMSE = measureBUS.NMSE(dblActual_ForecastSeries[i][0], dblActual_ForecastSeries[i][1]);
double dblDS = measureBUS.DS(dblActual_ForecastSeries[i][0], dblActual_ForecastSeries[i][1]);
measure.WriteLine((i + 1).ToString() + " " + dblMSE.ToString() + " " + dblNMSE.ToString() + " " + dblDS.ToString());
}
measure.Close();
//Để có kết quả sau cùng, ta sẽ lấy trung bình kết quả dự đoán của tất cả các mô hình lại
int iCounter = dblActual_ForecastSeries[0][0].Count();
dblActual_Forecast[0] = new double[iCounter];
dblActual_Forecast[1] = new double[iCounter];
for (int i = 0; i < iCounter; i++)
{
//Giá thực
dblActual_Forecast[0][i] = dblActual_ForecastSeries[0][0][i];
//Giá dự đoán
dblActual_Forecast[1][i] = 0;
for (int j = 0; j < iNumModel; j++)
{
dblActual_Forecast[1][i] += dblActual_ForecastSeries[j][1][i];
}
dblActual_Forecast[1][i] /= iNumModel;
}
//Ghi kết quả cuối cùng ra file
StreamWriter finalResult = new StreamWriter(strPredictedFile);
for (int i = 0; i < iCounter; i++)
{
finalResult.WriteLine(dblActual_Forecast[0][i].ToString() + " " + dblActual_Forecast[1][i].ToString());
}
finalResult.Close();
reader.Close();
}
else
{
reader.Close();
dblActual_Forecast = svm_predict.MainProcess(strArgs);
}
}
#endregion
#region ANN
else//Mô hình ANN
{
ANNModelBUS.AnnModelFile = tbxModelFilePath.Text;
ANNParameterBUS.LoadParameter();
ANNPredictBUS annPredict = new ANNPredictBUS();
annPredict.LoadDataSet(tbxTestFilePath.Text);
dblActual_Forecast = annPredict.MainProcess();
//dblActual_Forecast = annPredict.StepTrainingMethod();
annPredict.WritePredictPrice(strPredictedFile);
}
#endregion
}
#endregion
#region Dự đoán xu hướng
else//Dự đoán xu hướng
{
if (rdSVR.Checked)//Mô hình SVR
{
iPos = tbxTestFilePath.Text.LastIndexOf('_');
string strMutualPath = tbxTestFilePath.Text.Remove(iPos + 1);
string strPredictedFile = strMutualPath + "predict.txt";
string[] strArgs = new string[3];
strArgs[0] = tbxTestFilePath.Text;
strArgs[1] = tbxModelFilePath.Text;
strArgs[2] = strPredictedFile;
StreamReader reader = new StreamReader(tbxModelFilePath.Text);
string strLine = reader.ReadLine();
if (strLine == "Multiple") //Bag Pattern Search
{
StreamWriter measure = new StreamWriter(strMutualPath + "SingleModelMeasure.txt");
strLine = reader.ReadLine(); //Số mô hình
int iNumModel = Convert.ToInt32(strLine);
double[][][] dblActual_ForecastSeries = new double[iNumModel][][];
for (int i = 0; i < iNumModel; i++)
{
dblActual_ForecastSeries[i] = new double[2][];
dblActual_ForecastSeries[i][0] = null;
dblActual_ForecastSeries[i][1] = null;
strLine = reader.ReadLine(); //Đường dẫn đến file model
strArgs[1] = strLine;
dblActual_ForecastSeries[i] = svm_predict.MainProcess(strArgs);
MeasureBUS measureBUS = new MeasureBUS();
double dblNMSE = measureBUS.NMSE(dblActual_ForecastSeries[i][0], dblActual_ForecastSeries[i][1]);
measure.WriteLine((i + 1).ToString() + " " + dblNMSE.ToString());
}
measure.Close();
//Để có kết quả sau cùng, ta sẽ lấy trung bình kết quả dự đoán của tất cả các mô hình lại
int iCounter = dblActual_ForecastSeries[0][0].Count();
dblActual_Forecast[0] = new double[iCounter];
dblActual_Forecast[1] = new double[iCounter];
for (int i = 0; i < iCounter; i++)
{
//Giá thực
dblActual_Forecast[0][i] = dblActual_ForecastSeries[0][0][i];
//Giá dự đoán
dblActual_Forecast[1][i] = 0;
for (int j = 0; j < iNumModel; j++)
{
dblActual_Forecast[1][i] += dblActual_ForecastSeries[j][1][i];
}
dblActual_Forecast[1][i] /= iNumModel;
}
//Ghi kết quả cuối cùng ra file
StreamWriter finalResult = new StreamWriter(strPredictedFile);
for (int i = 0; i < iCounter; i++)
{
finalResult.WriteLine(dblActual_Forecast[0][i].ToString() + " " + dblActual_Forecast[1][i].ToString());
}
finalResult.Close();
reader.Close();
}
else
{
reader.Close();
dblActual_Forecast = svm_predict.MainProcess(strArgs);
}
}
else//Mô hình ANN
{
iPos = tbxTestFilePath.Text.LastIndexOf('_');
string strPredictedFile = tbxTestFilePath.Text.Remove(iPos + 1) + "predict.txt";
ANNModelBUS.AnnModelFile = tbxModelFilePath.Text;
ANNParameterBUS.LoadParameter();
ANNPredictBUS annPredict = new ANNPredictBUS();
annPredict.LoadDataSet(tbxTestFilePath.Text);
dblActual_Forecast = annPredict.MainProcessTrend();
annPredict.WritePredictPrice(strPredictedFile);
}
}
#endregion
#endregion
#region Phần chung
HandleMeasure(strFolderPath+"PerformanceMeasure.txt", dblActual_Forecast[0], dblActual_Forecast[1]);
MessageBox.Show("Finish!");
#endregion
}
public void Main()
{
//Khởi tạo bộ trọng số ngẫu nhiên cho mô hình
ANNModel.InitialWeight();
TSCFDCostFunction();
int loop = 1;
bool bContinue = true;
MeasureBUS measureBUS = new MeasureBUS();
while (bContinue)
{
for (int i = 0; i < NumPattern; i++)
{
ANNModel.OutInputLayer = ArrPattern[i];
ArrPredict[i] = ANNModel.FeedforwardTraining();
}
Error = measureBUS.NMSE(ArrActual, ArrPredict);
if (Error <= 0.01 || loop >= ANNParameterBUS.MaxEpoch)
{
bContinue = false;
ANNModel.SaveModelFile();
//ghi nhận độ lỗi và số vòng lặp của quá trình train
ANNModel.SaveError_MaxLoop(Error, loop);
}
else
{
for (int i = 0; i < NumPattern; i++)
{
ANNModel.OutInputLayer = ArrPattern[i];
ANNModel.FeedforwardTraining();
ANNModel.ErrorBackpropagationTraining(ArrDesiredValue[i]);
}
}
loop++;
}
}
private void HandleMeasure(string fileName, double []actual, double []forecast)
{
StreamWriter writer = new StreamWriter(fileName);
MeasureBUS measureBUS = new MeasureBUS();
CheckedListBox.CheckedItemCollection checkedItems = clbMeasures.CheckedItems;
for (int i = 0; i < checkedItems.Count; i++)
{
switch (checkedItems[i].ToString())
{
case "MSE":
double dblMSE = measureBUS.MSE(actual, forecast);
writer.WriteLine("MSE " + dblMSE.ToString());
break;
case "NMSE":
double dblNMSE = measureBUS.NMSE(actual, forecast);
writer.WriteLine("NMSE " + dblNMSE.ToString());
break;
case "RMSE":
double dblRMSE = measureBUS.RMSE(actual, forecast);
writer.WriteLine("RMSE " + dblRMSE.ToString());
break;
case "APE":
double dblAPE = measureBUS.APE(actual, forecast);
writer.WriteLine("APE " + dblAPE.ToString());
break;
case "MAPE":
double dblMAPE = measureBUS.MAPE(actual, forecast);
writer.WriteLine("MAPE " + dblMAPE.ToString());
break;
case "DS":
double dblMeasure = measureBUS.DS(actual, forecast);
writer.WriteLine("DS " + dblMeasure.ToString());
break;
case "WDS":
double dblWDS = measureBUS.WDS(actual, forecast);
writer.WriteLine("WDS " + dblWDS.ToString());
break;
case "Sign":
double dblSign = measureBUS.Sign(actual, forecast);
writer.WriteLine("Sign " + dblSign.ToString());
break;
case "DM4Price":
double[] dblResult = measureBUS.DirectionMeasure4Price(actual, forecast);
writer.WriteLine("Direction measure for price:");
writer.WriteLine("\t+ Right: "+dblResult[0]+"%");
writer.WriteLine("\t+ Wrong: " + dblResult[1] + "%");
writer.WriteLine("\t+ Cannot measure: " + dblResult[2] + "%");
break;
}
}
writer.Close();
}
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;
}
public double do_cross_validation(int measureType, int crossValidationType)
{
double dblResult = 0;
MeasureBUS measureBUS = new MeasureBUS();
double[] dblActualValues = null;
double[] dblForecastValues = null;
if(crossValidationType == 2) //time series
{
int iNumElementsPerFold = prob.l / nr_fold;
dblForecastValues = new double[prob.l - iNumElementsPerFold];
dblActualValues = new double[prob.l - iNumElementsPerFold];
for (int i = 0; i < prob.l - iNumElementsPerFold; i++)
{
dblActualValues[i] = prob.y[i + iNumElementsPerFold];
}
}
else
{
dblForecastValues = new double[prob.l];
dblActualValues = new double[prob.l];
for (int i = 0; i < prob.l; i++)
{
dblActualValues[i] = prob.y[i];
}
}
svm.svm_cross_validation(prob, param, nr_fold, dblForecastValues, crossValidationType);
switch(measureType)
{
case MSE:
dblResult = measureBUS.MSE(dblActualValues, dblForecastValues);
break;
case NMSE:
dblResult = measureBUS.NMSE(dblActualValues, dblForecastValues);
break;
case RMSE:
dblResult = measureBUS.RMSE(dblActualValues, dblForecastValues);
break;
case SIGN:
dblResult = measureBUS.Sign(dblActualValues, dblForecastValues);
break;
}
return dblResult;
//StreamWriter writer = new StreamWriter("CrossValidation.txt");
//writer.WriteLine("Cross Validation Mean squared error = " + total_error / prob.l);
//writer.Close();
//System.Console.Out.Write("Cross Validation Accuracy = " + 100.0 * total_correct / prob.l + "%\n");
}
//public void LoadDataSet(double[][] trainingSet)
//{
// NumPattern = trainingSet.Length;
// ArrActual = new double[NumPattern][];
// ArrPredict = new double[NumPattern][];
// ArrPattern = new double[NumPattern][];
// for (int i = 0; i < NumPattern; i++)
// {
// ArrActual[i] = trainingSet[i][ANNParameterBUS.InputNode];
// ArrPattern[i] = new double[ANNParameterBUS.InputNode];
// for (int j = 0; j < ANNParameterBUS.InputNode; j++)
// {
// ArrPattern[i][j] = trainingSet[i][j];
// }
// }
// ANNModel = new ANNModelBUS();
//}
//public void Main()
//{
// //Khởi tạo bộ trọng số ngẫu nhiên cho mô hình
// ANNModel.InitialWeight();
// TSCFDCostFunction();
// int loop = 1;
// bool bContinue = true;
// MeasureBUS measureBUS = new MeasureBUS();
// while (bContinue)
// {
// for (int i = 0; i < NumPattern; i++)
// {
// ANNModel.OutInputLayer = ArrPattern[i];
// ArrPredict[i] = ANNModel.FeedforwardTraining();
// }
// Error = measureBUS.NMSE(ArrActual, ArrPredict);
// if (Error <= 0.01 || loop >= ANNParameterBUS.MaxEpoch)
// {
// bContinue = false;
// ANNModel.SaveModelFile();
// //ghi nhận độ lỗi và số vòng lặp của quá trình train
// ANNModel.SaveError_MaxLoop(Error, loop);
// }
// else
// {
// for (int i = 0; i < NumPattern; i++)
// {
// ANNModel.OutInputLayer = ArrPattern[i];
// ANNModel.FeedforwardTraining();
// ANNModel.ErrorBackpropagationTraining(ArrDesiredValue[i]);
// }
// }
// loop++;
// }
//}
public void Main(int measureType)
{
//Khởi tạo bộ trọng số ngẫu nhiên cho mô hình
ANNModel.InitialWeight();
//TSCFDCostFunction();
int loop = 1;
bool bContinue = true;
MeasureBUS measureBUS = new MeasureBUS();
while (bContinue)
{
for (int i = 0; i < NumPattern; i++)
{
ANNModel.OutInputLayer = ArrPattern[i];
ArrPredicts[i] = ANNModel.FeedforwardTraining();
}
switch (measureType)
{
case MSE:
Convert2CaculateErrorMeasure();
Error = measureBUS.MSE(ArrTempActuals, ArrTempPredicts);
break;
case NMSE:
Convert2CaculateErrorMeasure();
Error = measureBUS.NMSE(ArrTempActuals, ArrTempPredicts);
break;
case RMSE:
Convert2CaculateErrorMeasure();
Error = measureBUS.RMSE(ArrTempActuals, ArrTempPredicts);
break;
case SIGN:
Convert2CaculateErrorMeasure();
Error = measureBUS.Sign(ArrTempActuals, ArrTempPredicts);
break;
}
bool bResult = CompareError_Accurancy(Error, ANNParameterBUS.Accuracy, measureType);
if (bResult == true || loop >= ANNParameterBUS.MaxEpoch)
{
bContinue = false;
ANNModel.SaveModelFile();
//ghi nhận độ lỗi và số vòng lặp của quá trình train
ANNModel.SaveError_MaxLoop(Error, loop);
}
else
{
for (int i = 0; i < NumPattern; i++)
{
ANNModel.OutInputLayer = ArrPattern[i];
ANNModel.FeedforwardTraining();
ANNModel.ErrorBackpropagationTraining(ArrActuals[i]);
}
}
loop++;
}
}