Free cookie consent management tool by TermsFeed Policy Generator

source: branches/DataPreprocessing/HeuristicLab.Tests/HeuristicLab.Problems.DataAnalysis-3.4/ThresholdCalculatorsTest.cs @ 10391

Last change on this file since 10391 was 9785, checked in by abeham, 11 years ago

#2088: Added test attributes for Problems.DataAnalysis

File size: 8.8 KB
Line 
1#region License Information
2/* HeuristicLab
3 * Copyright (C) 2002-2013 Heuristic and Evolutionary Algorithms Laboratory (HEAL)
4 *
5 * This file is part of HeuristicLab.
6 *
7 * HeuristicLab is free software: you can redistribute it and/or modify
8 * it under the terms of the GNU General Public License as published by
9 * the Free Software Foundation, either version 3 of the License, or
10 * (at your option) any later version.
11 *
12 * HeuristicLab is distributed in the hope that it will be useful,
13 * but WITHOUT ANY WARRANTY; without even the implied warranty of
14 * MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.  See the
15 * GNU General Public License for more details.
16 *
17 * You should have received a copy of the GNU General Public License
18 * along with HeuristicLab. If not, see <http://www.gnu.org/licenses/>.
19 */
20#endregion
21
22using Microsoft.VisualStudio.TestTools.UnitTesting;
23
24namespace HeuristicLab.Problems.DataAnalysis.Tests {
25
26  [TestClass()]
27  public class ThresholdCalculatorsTest {
28    [TestMethod]
29    [TestCategory("Problems.DataAnalysis")]
30    [TestProperty("Time", "short")]
31    public void NormalDistributionCutPointsThresholdCalculatorTest() {
32
33      {
34        // simple two-class case
35        double[] estimatedValues = new double[] { 1.0, 0.99, 1.01, 2.0, 1.99, 2.01 };
36        double[] targetClassValues = new double[] { 0.0, 0.0, 0.0, 1.0, 1.0, 1.0 };
37        double[] classValues;
38        double[] thresholds;
39        NormalDistributionCutPointsThresholdCalculator.CalculateThresholds(null, estimatedValues, targetClassValues,
40                                                                           out classValues, out thresholds);
41
42        var expectedClassValues = new double[] { 0.0, 1.0 };
43        var expectedTresholds = new double[] { double.NegativeInfinity, 1.5 };
44
45        AssertEqual(expectedClassValues, classValues);
46        AssertEqual(expectedTresholds, thresholds);
47      }
48
49      {
50        // switched classes two-class case
51        double[] estimatedValues = new double[] { 1.0, 0.99, 1.01, 2.0, 1.99, 2.01 };
52        double[] targetClassValues = new double[] { 1.0, 1.0, 1.0, 0.0, 0.0, 0.0 };
53        double[] classValues;
54        double[] thresholds;
55        NormalDistributionCutPointsThresholdCalculator.CalculateThresholds(null, estimatedValues, targetClassValues,
56                                                                           out classValues, out thresholds);
57
58        var expectedClassValues = new double[] { 1.0, 0.0 };
59        var expectedTresholds = new double[] { double.NegativeInfinity, 1.5 };
60
61        AssertEqual(expectedClassValues, classValues);
62        AssertEqual(expectedTresholds, thresholds);
63      }
64
65      {
66        // three-class case with permutated estimated values
67        double[] estimatedValues = new double[] { 1.0, 0.99, 1.01, 2.0, 1.99, 2.01, -1.0, -0.99, -1.01 };
68        double[] targetClassValues = new double[] { 2.0, 2.0, 2.0, 0.0, 0.0, 0.0, 1.0, 1.0, 1.0 };
69        double[] classValues;
70        double[] thresholds;
71        NormalDistributionCutPointsThresholdCalculator.CalculateThresholds(null, estimatedValues, targetClassValues,
72                                                                           out classValues, out thresholds);
73
74        var expectedClassValues = new double[] { 1.0, 2.0, 0.0 };
75        var expectedTresholds = new double[] { double.NegativeInfinity, 0.0, 1.5 };
76
77        AssertEqual(expectedClassValues, classValues);
78        AssertEqual(expectedTresholds, thresholds);
79      }
80
81      {
82        // constant output values for all classes
83        // most frequent class is 0
84        double[] estimatedValues = new double[] { 1.0, 1.0, 1.0, 1.0, 1.0, 1.0, 1.0, 1.0, 1.0, 1.0 };
85        double[] targetClassValues = new double[] { 2.0, 2.0, 2.0, 0.0, 0.0, 0.0, 0.0, 1.0, 1.0, 1.0 };
86        double[] classValues;
87        double[] thresholds;
88        NormalDistributionCutPointsThresholdCalculator.CalculateThresholds(null, estimatedValues, targetClassValues,
89                                                                           out classValues, out thresholds);
90
91        var expectedClassValues = new double[] { 0.0 };
92        var expectedTresholds = new double[] { double.NegativeInfinity };
93
94        AssertEqual(expectedClassValues, classValues);
95        AssertEqual(expectedTresholds, thresholds);
96      }
97
98      {
99        // constant output values for two of three classes
100        double[] estimatedValues = new double[] { 1.0, 1.0, 1.0, 1.0, 1.0, 1.0, -1.0, -0.99, -1.01 };
101        double[] targetClassValues = new double[] { 2.0, 2.0, 2.0, 0.0, 0.0, 0.0, 1.0, 1.0, 1.0 };
102        double[] classValues;
103        double[] thresholds;
104        NormalDistributionCutPointsThresholdCalculator.CalculateThresholds(null, estimatedValues, targetClassValues,
105                                                                           out classValues, out thresholds);
106
107
108        var expectedClassValues = new double[] { 1.0, 0.0, 1.0 };
109        double range = 1.0 + 1.01;
110        var expectedTresholds = new double[] { double.NegativeInfinity, 1.0 - 0.001 * range, 1.0 + 0.001 * range };
111
112        AssertEqual(expectedClassValues, classValues);
113        AssertEqual(expectedTresholds, thresholds);
114      }
115
116
117      {
118        // normal operation
119        double[] estimatedValues = new double[]
120                                     {
121                                       2.9937,
122                                       2.9861,
123                                       1.0202,
124                                       0.9844,
125                                       1.9912,
126                                       1.9970,
127                                       0.9776,
128                                       0.9611,
129                                       1.9882,
130                                       1.9953,
131                                       2.0147,
132                                       2.0106,
133                                       2.9949,
134                                       0.9925,
135                                       3.0050,
136                                       1.9987,
137                                       2.9973,
138                                       1.0110,
139                                       2.0160,
140                                       2.9559,
141                                       1.9943,
142                                       2.9477,
143                                       2.0158,
144                                       2.0026,
145                                       1.9837,
146                                       3.0185,
147                                     };
148        double[] targetClassValues = new double[]
149                                       {
150                                          3,
151                                          3,
152                                          1,
153                                          1,
154                                          2,
155                                          2,
156                                          1,
157                                          1,
158                                          2,
159                                          2,
160                                          2,
161                                          2,
162                                          3,
163                                          1,
164                                          3,
165                                          2,
166                                          3,
167                                          1,
168                                          2,
169                                          3,
170                                          2,
171                                          3,
172                                          2,
173                                          2,
174                                          2,
175                                          3,
176                                       };
177
178        double[] classValues;
179        double[] thresholds;
180        NormalDistributionCutPointsThresholdCalculator.CalculateThresholds(null, estimatedValues, targetClassValues,
181                                                                           out classValues, out thresholds);
182
183
184        var expectedClassValues = new double[] { 3.0, 1.0, 2.0, 3.0 };
185        var expectedTresholds = new double[] { double.NegativeInfinity, -18.36483129043598, 1.6574168546810319, 2.3148463106026012 };
186
187        AssertEqual(expectedClassValues, classValues);
188        AssertEqual(expectedTresholds, thresholds);
189      }
190    }
191
192
193    private static void AssertEqual(double[] expected, double[] actual) {
194      Assert.AreEqual(expected.Length, actual.Length);
195      for (int i = 0; i < expected.Length; i++)
196        Assert.AreEqual(expected[i], actual[i]);
197    }
198  }
199}
Note: See TracBrowser for help on using the repository browser.