docs hinzugefügt
This commit is contained in:
parent
0d89f6e76b
commit
3f0bc4faf9
|
|
@ -315,11 +315,43 @@
|
|||
"import pickle\n",
|
||||
"\n",
|
||||
"class ExperimentationalExperiments():\n",
|
||||
" \"\"\"\n",
|
||||
" Diese Klasse dient zur Durchführung und Verwaltung von Experimenten im Rahmen\n",
|
||||
" des maschinellen Lernens, insbesondere für die Krebsklassifikation.\n",
|
||||
"\n",
|
||||
" Attribute:\n",
|
||||
" results : Dict\n",
|
||||
" Speichert die Ergebnisse der durchgeführten Experimente.\n",
|
||||
" \"\"\"\n",
|
||||
"\n",
|
||||
" def __init__(self) -> None:\n",
|
||||
" \"\"\" Konstruktor der Klasse. Initialisiert 'results' als None. \"\"\"\n",
|
||||
" self.results = None\n",
|
||||
"\n",
|
||||
" def run_single_experiment(self, train_loader: DataLoader, valid_loader: DataLoader, n_pca_components: int, n_epochs: int = 200, learning_rate: int = 0.0005, verbose: bool = True, experiment_num: int = None) -> Tuple:\n",
|
||||
" \"\"\"\n",
|
||||
" Führt ein einzelnes Experiment mit dem spezifizierten DataLoader, PCA-Komponenten und weiteren Parametern durch.\n",
|
||||
"\n",
|
||||
" Parameter:\n",
|
||||
" train_loader : DataLoader\n",
|
||||
" Der DataLoader für den Trainingsdatensatz.\n",
|
||||
" valid_loader : DataLoader\n",
|
||||
" Der DataLoader für den Validierungsdatensatz.\n",
|
||||
" n_pca_components : int\n",
|
||||
" Anzahl der PCA-Komponenten, die im Modell verwendet werden.\n",
|
||||
" n_epochs : int, optional\n",
|
||||
" Anzahl der Epochen für das Training (Standardwert ist 200).\n",
|
||||
" learning_rate : float, optional\n",
|
||||
" Lernrate für den Optimierer (Standardwert ist 0.0005).\n",
|
||||
" verbose : bool, optional\n",
|
||||
" Gibt an, ob der Trainingsfortschritt angezeigt werden soll (Standardwert ist True).\n",
|
||||
" experiment_num : int, optional\n",
|
||||
" Nummer des Experiments.\n",
|
||||
"\n",
|
||||
" Rückgabewerte:\n",
|
||||
" Tuple\n",
|
||||
" Ein Tupel bestehend aus Listen der Trainings- und Validierungsverluste sowie der Genauigkeiten.\n",
|
||||
" \"\"\"\n",
|
||||
" if not isinstance(n_pca_components, int):\n",
|
||||
" raise TypeError(\"n_pca_components must be an integers!\")\n",
|
||||
"\n",
|
||||
|
|
@ -428,6 +460,29 @@
|
|||
" return train_losses, valid_losses, train_accuracies, valid_accuracies\n",
|
||||
"\n",
|
||||
" def run_single_pca_experiment(self, train_loader: DataLoader, valid_loader: DataLoader, n_pca_components: int, n_experiments: int, n_epochs: int = 200, learning_rate: int = 0.0005, verbose: bool = True) -> List:\n",
|
||||
" \"\"\"\n",
|
||||
" Führt eine Serie von Experimenten mit verschiedenen Konfigurationen für die PCA-Komponenten durch.\n",
|
||||
"\n",
|
||||
" Parameter:\n",
|
||||
" train_loader : DataLoader\n",
|
||||
" Der DataLoader für den Trainingsdatensatz.\n",
|
||||
" valid_loader : DataLoader\n",
|
||||
" Der DataLoader für den Validierungsdatensatz.\n",
|
||||
" n_pca_components : int\n",
|
||||
" Anzahl der PCA-Komponenten, die im Modell verwendet werden.\n",
|
||||
" n_experiments : int\n",
|
||||
" Anzahl der durchzuführenden Experimente.\n",
|
||||
" n_epochs : int, optional\n",
|
||||
" Anzahl der Epochen für das Training (Standardwert ist 200).\n",
|
||||
" learning_rate : float, optional\n",
|
||||
" Lernrate für den Optimierer (Standardwert ist 0.0005).\n",
|
||||
" verbose : bool, optional\n",
|
||||
" Gibt an, ob der Trainingsfortschritt angezeigt werden soll (Standardwert ist True).\n",
|
||||
"\n",
|
||||
" Rückgabewerte:\n",
|
||||
" List\n",
|
||||
" Eine Liste von Ergebnissen der einzelnen Experimente.\n",
|
||||
" \"\"\"\n",
|
||||
" if not isinstance(n_pca_components, int):\n",
|
||||
" raise TypeError(\"n_pca_components must be an integers!\")\n",
|
||||
"\n",
|
||||
|
|
@ -441,6 +496,27 @@
|
|||
" \n",
|
||||
"\n",
|
||||
" def run(self, n_pca_components: List[int], n_experiments: int, n_epochs: int = 200, learning_rate: int = 0.0005, batch_size: int = 64, verbose: bool = True) -> Dict:\n",
|
||||
" \"\"\"\n",
|
||||
" Hauptmethode zum Ausführen von Experimenten mit verschiedenen Anzahlen von PCA-Komponenten.\n",
|
||||
"\n",
|
||||
" Parameter:\n",
|
||||
" n_pca_components : List[int]\n",
|
||||
" Eine Liste von Anzahlen der PCA-Komponenten, die in den Experimenten verwendet werden sollen.\n",
|
||||
" n_experiments : int\n",
|
||||
" Anzahl der durchzuführenden Experimente pro PCA-Komponentenanzahl.\n",
|
||||
" n_epochs : int, optional\n",
|
||||
" Anzahl der Epochen für das Training (Standardwert ist 200).\n",
|
||||
" learning_rate : float, optional\n",
|
||||
" Lernrate für den Optimierer (Standardwert ist 0.0005).\n",
|
||||
" batch_size : int, optional\n",
|
||||
" Batch-Größe für das Laden der Daten (Standardwert ist 64).\n",
|
||||
" verbose : bool, optional\n",
|
||||
" Gibt an, ob der Trainingsfortschritt angezeigt werden soll (Standardwert ist True).\n",
|
||||
"\n",
|
||||
" Rückgabewerte:\n",
|
||||
" Dict\n",
|
||||
" Ein Wörterbuch, das die Ergebnisse der Experimente für jede Anzahl von PCA-Komponenten enthält.\n",
|
||||
" \"\"\"\n",
|
||||
" if not isinstance(n_pca_components, list):\n",
|
||||
" raise TypeError(\"n_pca_components must be a list of integers!\")\n",
|
||||
"\n",
|
||||
|
|
@ -473,6 +549,18 @@
|
|||
" return results\n",
|
||||
"\n",
|
||||
" def plot_and_save_results(self, results: List[Tuple], n_pca_components: int) -> None:\n",
|
||||
" \"\"\"\n",
|
||||
" Erstellt und speichert Plots für die Ergebnisse der Experimente.\n",
|
||||
"\n",
|
||||
" Parameter:\n",
|
||||
" results : List[Tuple]\n",
|
||||
" Eine Liste von Tupeln mit den Ergebnissen der Experimente.\n",
|
||||
" n_pca_components : int\n",
|
||||
" Anzahl der PCA-Komponenten, für die die Ergebnisse geplottet werden sollen.\n",
|
||||
"\n",
|
||||
" Keine Rückgabewerte, da die Methode Plots speichert.\n",
|
||||
" \"\"\"\n",
|
||||
" \n",
|
||||
" # Mittelwerte und Standardabweichungen berechnen\n",
|
||||
" train_losses, valid_losses, train_accuracies, valid_accuracies = zip(*results)\n",
|
||||
"\n",
|
||||
|
|
|
|||
Loading…
Reference in New Issue