ExploreKit使用

ExploreKit 是一个开源自动特征提取工具，其github地址为 https://github.com/giladkatz/ExploreKit
使用方法：

先下载源码

git clone https://github.com/giladkatz/ExploreKit

下载并安装Inteli-idea
https://download.jetbrains.8686c.com/idea/ideaIC-2019.2.tar.gz
下载后解压，打开bin/idea.sh即可。
在inteli-idea导入explorekit项目，选择pom.xml文件即可。

修改/home/dk/Desktop/ExploreKit-master/src/main/java/explorekit/Program.java 里面的数据集的路径，改成自己的数据集名称。
例如，我在https://www.openml.org/d/37 下载diabete的数据集，并放在了/home/dk/dataset/目录下。
那么Program.java那些数据集的路径改成如下：

       HashMap<String, Integer> classAttributeIndices = new HashMap<>();//datasets.add("/global/home/users/giladk/Datasets/heart.arff");//datasets.add("/global/home/users/giladk/Datasets/cancer.arff");//datasets.add("/global/home/users/giladk/Datasets/contraceptive.arff");//datasets.add("/global/home/users/giladk/Datasets/credit.arff");//datasets.add("/global/home/users/giladk/Datasets/credit-g.arff");datasets.add("/home/dk/dataset/diabetes.arff");//datasets.add("/global/home/users/giladk/Datasets/Diabetic_Retinopathy_Debrecen.arff");//datasets.add("/global/home/users/giladk/Datasets/horse-colic.arff");//datasets.add("/global/home/users/giladk/Datasets/Indian_Liver_Patient_Dataset.arff");//datasets.add("/global/home/users/giladk/Datasets/seismic-bumps.arff");//datasets.add("/global/home/users/giladk/Datasets/cardiography_new.arff");

同时把resource/config.properties最后两行的内容改掉：

DatasetInstancesFilesLocation=/home/dk/dataset/
backgroundClassifierLocation=/home/dk/dataset/

以及resultsFilePath=/home/dk/dataset/ExpResults// 结果路径改掉自己想保存结果的目录。

在inteli-idea编译build即可。在build的时候，会需要一段时间安装所需的jar库。对于那些无法自动安装的jar包，比如com.sun.applet的包可以把源码中对他的import注释掉。
打开/home/dk/Desktop/ExploreKit-master/src/main/java/explorekit/Program.java 然后右键 Run即可。

num of attributes:  9
num of instances:  768
Starting to run classifier Wed Jul 31 13:01:27 CST 2019
Starting to process classification results Wed Jul 31 13:01:27 CST 2019
Starting TPR/FPR calculations : Wed Jul 31 13:01:27 CST 2019
Done : Wed Jul 31 13:01:27 CST 2019
Done Wed Jul 31 13:01:27 CST 2019
Starting to run classifier Wed Jul 31 13:01:27 CST 2019
Starting to process classification results Wed Jul 31 13:01:27 CST 2019
Starting TPR/FPR calculations : Wed Jul 31 13:01:27 CST 2019
Done : Wed Jul 31 13:01:27 CST 2019
Done Wed Jul 31 13:01:27 CST 2019
Starting to run classifier Wed Jul 31 13:01:27 CST 2019
Starting to process classification results Wed Jul 31 13:01:27 CST 2019
Starting TPR/FPR calculations : Wed Jul 31 13:01:27 CST 2019
Done : Wed Jul 31 13:01:27 CST 2019
Done Wed Jul 31 13:01:27 CST 2019
Starting to run classifier Wed Jul 31 13:01:27 CST 2019
Starting to process classification results Wed Jul 31 13:01:27 CST 2019
Starting TPR/FPR calculations : Wed Jul 31 13:01:27 CST 2019
Done : Wed Jul 31 13:01:27 CST 2019
Done Wed Jul 31 13:01:27 CST 2019
Experiment Start Date/Time: Wed Jul 31 13:01:27 CST 2019
Starting TPR/FPR calculations : Wed Jul 31 13:01:27 CST 2019
Done : Wed Jul 31 13:01:27 CST 2019
IOException: /home/dk/dataset/ExpResults/pima_diabetes_0_0.csv (No such file or directory)
Initial score: 0.7424410086424045 : Wed Jul 31 13:01:27 CST 2019

ExploreKit使用相关推荐

python automl_分享一篇比较全面的AutoML综述
今天刚刚看到在arXiv上出现了一篇关于AutoML的比较全面的综述,于是赶紧略读了一下,第一时间做个简要的分享.论文地址: https:// arxiv.org/abs/1810.1330 6 . ...
自动机器学习（AutoML）最新综述
在碎片化阅读充斥眼球的时代,越来越少的人会去关注每篇论文背后的探索和思考. 在这个栏目里,你会快速 get 每篇精选论文的亮点和痛点,时刻紧跟 AI 前沿成果. 点击本文底部的「阅读原文」即刻加入社区 ...
深度学习学界业界进展调研
0. 端到端数据集构建(数据集的缺乏对于大规模深度神经网络的训练是一个很严重的问题) 特征工程: 优化算法 ADMM:Alternating direction method of multipli ...
[转载]自动机器学习（AutoML）领域论文合集
转载自:2019年 https://blog.csdn.net/mrjkzhangma/article/details/103024818 Awesome-AutoML-Papers includes ...
自动化机器学习(AutoML)文献/工具/项目资源大列表分享
本文整理了与自动化机器学习相关的经典论文.开源工具.项目.免费经典书籍.会议.经典文章和其他资源的列表. AutoML介绍 AutoML是使用机器学习方法和过程来自动化机器学习系统并使其更容易访问的相 ...

ExploreKit使用

ExploreKit使用相关推荐

最新文章

热门文章