Free cookie consent management tool by TermsFeed Policy Generator

Changeset 2418 for trunk


Ignore:
Timestamp:
10/07/09 16:19:21 (15 years ago)
Author:
gkronber
Message:

Fixed bugs in text export/import of SVM models. #772.

Location:
trunk/sources
Files:
4 edited

Legend:

Unmodified
Added
Removed

  • trunk/sources/HeuristicLab.SupportVectorMachines/3.2/Predictor.cs

    r2416 r2418  
    159159      StreamWriter writer = new StreamWriter(s);
    160160      writer.Write("Targetvariable: "); writer.WriteLine(p.targetVariable);
    161       writer.Write("LowerPredictionLimit: "); writer.WriteLine(p.LowerPredictionLimit.ToString("r"));
    162       writer.Write("UpperPredictionLimit: "); writer.WriteLine(p.UpperPredictionLimit.ToString("r"));
     161      writer.Write("LowerPredictionLimit: "); writer.WriteLine(p.LowerPredictionLimit.ToString("r", CultureInfo.InvariantCulture.NumberFormat));
     162      writer.Write("UpperPredictionLimit: "); writer.WriteLine(p.UpperPredictionLimit.ToString("r", CultureInfo.InvariantCulture.NumberFormat));
    163163      writer.Write("MaxTimeOffset: "); writer.WriteLine(p.MaxTimeOffset.ToString());
    164164      writer.Write("MinTimeOffset: "); writer.WriteLine(p.MinTimeOffset.ToString());
    … …  
    176176    }
    177177
    178     public static Predictor Import(Stream s) {
     178    public static Predictor Import(TextReader reader) {
    179179      Predictor p = new Predictor();
    180       StreamReader reader = new StreamReader(s);
    181180      string[] targetVariableLine = reader.ReadLine().Split(':');
    182181      string[] lowerPredictionLimitLine = reader.ReadLine().Split(':');
    … …  
    187186
    188187      p.targetVariable = targetVariableLine[1].Trim();
    189       p.LowerPredictionLimit = double.Parse(lowerPredictionLimitLine[1]);
    190       p.UpperPredictionLimit = double.Parse(upperPredictionLimitLine[1]);
     188      p.LowerPredictionLimit = double.Parse(lowerPredictionLimitLine[1], CultureInfo.InvariantCulture.NumberFormat);
     189      p.UpperPredictionLimit = double.Parse(upperPredictionLimitLine[1], CultureInfo.InvariantCulture.NumberFormat);
    191190      p.maxTimeOffset = int.Parse(maxTimeOffsetLine[1]);
    192191      p.minTimeOffset = int.Parse(minTimeOffsetLine[1]);
    … …  
    195194        p.variableNames[inputVariable.Trim()] = i++;
    196195      }
    197       p.svmModel = SVMModel.Import(s);
     196      p.svmModel = SVMModel.Import(reader);
    198197      return p;
    199198    }

  • trunk/sources/HeuristicLab.SupportVectorMachines/3.2/SVMModel.cs

    r2415 r2418  
    120120      StreamWriter writer = new StreamWriter(s);
    121121      writer.WriteLine("RangeTransform:");
     122      writer.Flush();
    122123      using (MemoryStream memStream = new MemoryStream()) {
    123124        SVM.RangeTransform.Write(memStream, model.RangeTransform);
    … …  
    126127      }
    127128      writer.WriteLine("Model:");
    128 
     129      writer.Flush();
    129130      using (MemoryStream memStream = new MemoryStream()) {
    130131        SVM.Model.Write(memStream, model.Model);
    … …  
    135136    }
    136137
    137     public static SVMModel Import(Stream s) {
     138    public static SVMModel Import(TextReader reader) {
    138139      SVMModel model = new SVMModel();
    139       StreamReader reader = new StreamReader(s);
    140140      while (reader.ReadLine().Trim() != "RangeTransform:") ; // read until line "RangeTransform";
    141       model.RangeTransform = SVM.RangeTransform.Read(s);
    142 
     141      model.RangeTransform = SVM.RangeTransform.Read(reader);
    143142      // read until "Model:"
    144143      while (reader.ReadLine().Trim() != "Model:") ;
    145       model.Model = SVM.Model.Read(s);
     144      model.Model = SVM.Model.Read(reader);
    146145      return model;
    147146    }

  • trunk/sources/LibSVM/Model.cs

    r2416 r2418  
    2424using System.Globalization;
    2525
    26 namespace SVM
    27 {
    28     /// <summary>
    29     /// Encapsulates an SVM Model.
    30     /// </summary>
    31   [Serializable]
    32   public class Model
    33   {
    34         private Parameter _parameter;
    35         private int _numberOfClasses;
    36         private int _supportVectorCount;
    37         private Node[][] _supportVectors;
    38         private double[][] _supportVectorCoefficients;
    39         private double[] _rho;
    40         private double[] _pairwiseProbabilityA;
    41         private double[] _pairwiseProbabilityB;
    42 
    43         private int[] _classLabels;
    44         private int[] _numberOfSVPerClass;
    45 
    46         internal Model()
    47         {
     26namespace SVM {
     27  /// <summary>
     28  /// Encapsulates an SVM Model.
     29  /// </summary>
     30  [Serializable]
     31  public class Model {
     32    private Parameter _parameter;
     33    private int _numberOfClasses;
     34    private int _supportVectorCount;
     35    private Node[][] _supportVectors;
     36    private double[][] _supportVectorCoefficients;
     37    private double[] _rho;
     38    private double[] _pairwiseProbabilityA;
     39    private double[] _pairwiseProbabilityB;
     40
     41    private int[] _classLabels;
     42    private int[] _numberOfSVPerClass;
     43
     44    internal Model() {
     45    }
     46
     47    /// <summary>
     48    /// Parameter object.
     49    /// </summary>
     50    public Parameter Parameter {
     51      get {
     52        return _parameter;
     53      }
     54      set {
     55        _parameter = value;
     56      }
     57    }
     58
     59    /// <summary>
     60    /// Number of classes in the model.
     61    /// </summary>
     62    public int NumberOfClasses {
     63      get {
     64        return _numberOfClasses;
     65      }
     66      set {
     67        _numberOfClasses = value;
     68      }
     69    }
     70
     71    /// <summary>
     72    /// Total number of support vectors.
     73    /// </summary>
     74    public int SupportVectorCount {
     75      get {
     76        return _supportVectorCount;
     77      }
     78      set {
     79        _supportVectorCount = value;
     80      }
     81    }
     82
     83    /// <summary>
     84    /// The support vectors.
     85    /// </summary>
     86    public Node[][] SupportVectors {
     87      get {
     88        return _supportVectors;
     89      }
     90      set {
     91        _supportVectors = value;
     92      }
     93    }
     94
     95    /// <summary>
     96    /// The coefficients for the support vectors.
     97    /// </summary>
     98    public double[][] SupportVectorCoefficients {
     99      get {
     100        return _supportVectorCoefficients;
     101      }
     102      set {
     103        _supportVectorCoefficients = value;
     104      }
     105    }
     106
     107    /// <summary>
     108    /// Rho values.
     109    /// </summary>
     110    public double[] Rho {
     111      get {
     112        return _rho;
     113      }
     114      set {
     115        _rho = value;
     116      }
     117    }
     118
     119    /// <summary>
     120    /// First pairwise probability.
     121    /// </summary>
     122    public double[] PairwiseProbabilityA {
     123      get {
     124        return _pairwiseProbabilityA;
     125      }
     126      set {
     127        _pairwiseProbabilityA = value;
     128      }
     129    }
     130
     131    /// <summary>
     132    /// Second pairwise probability.
     133    /// </summary>
     134    public double[] PairwiseProbabilityB {
     135      get {
     136        return _pairwiseProbabilityB;
     137      }
     138      set {
     139        _pairwiseProbabilityB = value;
     140      }
     141    }
     142
     143    // for classification only
     144
     145    /// <summary>
     146    /// Class labels.
     147    /// </summary>
     148    public int[] ClassLabels {
     149      get {
     150        return _classLabels;
     151      }
     152      set {
     153        _classLabels = value;
     154      }
     155    }
     156
     157    /// <summary>
     158    /// Number of support vectors per class.
     159    /// </summary>
     160    public int[] NumberOfSVPerClass {
     161      get {
     162        return _numberOfSVPerClass;
     163      }
     164      set {
     165        _numberOfSVPerClass = value;
     166      }
     167    }
     168
     169    /// <summary>
     170    /// Reads a Model from the provided file.
     171    /// </summary>
     172    /// <param name="filename">The name of the file containing the Model</param>
     173    /// <returns>the Model</returns>
     174    public static Model Read(string filename) {
     175      FileStream input = File.OpenRead(filename);
     176      try {
     177        return Read(input);
     178      }
     179      finally {
     180        input.Close();
     181      }
     182    }
     183
     184    public static Model Read(Stream stream) {
     185      return Read(new StreamReader(stream));
     186    }
     187
     188    /// <summary>
     189    /// Reads a Model from the provided stream.
     190    /// </summary>
     191    /// <param name="stream">The stream from which to read the Model.</param>
     192    /// <returns>the Model</returns>
     193    public static Model Read(TextReader input) {
     194      TemporaryCulture.Start();
     195
     196      // read parameters
     197
     198      Model model = new Model();
     199      Parameter param = new Parameter();
     200      model.Parameter = param;
     201      model.Rho = null;
     202      model.PairwiseProbabilityA = null;
     203      model.PairwiseProbabilityB = null;
     204      model.ClassLabels = null;
     205      model.NumberOfSVPerClass = null;
     206
     207      bool headerFinished = false;
     208      while (!headerFinished) {
     209        string line = input.ReadLine();
     210        string cmd, arg;
     211        int splitIndex = line.IndexOf(' ');
     212        if (splitIndex >= 0) {
     213          cmd = line.Substring(0, splitIndex);
     214          arg = line.Substring(splitIndex + 1);
     215        } else {
     216          cmd = line;
     217          arg = "";
    48218        }
    49 
    50         /// <summary>
    51         /// Parameter object.
    52         /// </summary>
    53         public Parameter Parameter
    54         {
    55             get
     219        // arg = arg.ToLower(); (transforms double NaN or Infinity values to incorrect format [gkronber])
     220
     221        int i, n;
     222        switch (cmd) {
     223          case "svm_type":
     224            param.SvmType = (SvmType)Enum.Parse(typeof(SvmType), arg.ToUpper());
     225            break;
     226
     227          case "kernel_type":
     228            param.KernelType = (KernelType)Enum.Parse(typeof(KernelType), arg.ToUpper());
     229            break;
     230
     231          case "degree":
     232            param.Degree = int.Parse(arg);
     233            break;
     234
     235          case "gamma":
     236            param.Gamma = double.Parse(arg);
     237            break;
     238
     239          case "coef0":
     240            param.Coefficient0 = double.Parse(arg);
     241            break;
     242
     243          case "nr_class":
     244            model.NumberOfClasses = int.Parse(arg);
     245            break;
     246
     247          case "total_sv":
     248            model.SupportVectorCount = int.Parse(arg);
     249            break;
     250
     251          case "rho":
     252            n = model.NumberOfClasses * (model.NumberOfClasses - 1) / 2;
     253            model.Rho = new double[n];
     254            string[] rhoParts = arg.Split();
     255            for (i = 0; i < n; i++)
     256              model.Rho[i] = double.Parse(rhoParts[i]);
     257            break;
     258
     259          case "label":
     260            n = model.NumberOfClasses;
     261            model.ClassLabels = new int[n];
     262            string[] labelParts = arg.Split();
     263            for (i = 0; i < n; i++)
     264              model.ClassLabels[i] = int.Parse(labelParts[i]);
     265            break;
     266
     267          case "probA":
     268            n = model.NumberOfClasses * (model.NumberOfClasses - 1) / 2;
     269            model.PairwiseProbabilityA = new double[n];
     270            string[] probAParts = arg.Split();
     271            for (i = 0; i < n; i++)
     272              model.PairwiseProbabilityA[i] = double.Parse(probAParts[i]);
     273            break;
     274
     275          case "probB":
     276            n = model.NumberOfClasses * (model.NumberOfClasses - 1) / 2;
     277            model.PairwiseProbabilityB = new double[n];
     278            string[] probBParts = arg.Split();
     279            for (i = 0; i < n; i++)
     280              model.PairwiseProbabilityB[i] = double.Parse(probBParts[i]);
     281            break;
     282
     283          case "nr_sv":
     284            n = model.NumberOfClasses;
     285            model.NumberOfSVPerClass = new int[n];
     286            string[] nrsvParts = arg.Split();
     287            for (i = 0; i < n; i++)
     288              model.NumberOfSVPerClass[i] = int.Parse(nrsvParts[i]);
     289            break;
     290
     291          case "SV":
     292            headerFinished = true;
     293            break;
     294
     295          default:
     296            throw new Exception("Unknown text in model file");
     297        }
     298      }
     299
     300      // read sv_coef and SV
     301
     302      int m = model.NumberOfClasses - 1;
     303      int l = model.SupportVectorCount;
     304      model.SupportVectorCoefficients = new double[m][];
     305      for (int i = 0; i < m; i++) {
     306        model.SupportVectorCoefficients[i] = new double[l];
     307      }
     308      model.SupportVectors = new Node[l][];
     309
     310      for (int i = 0; i < l; i++) {
     311        string[] parts = input.ReadLine().Trim().Split();
     312
     313        for (int k = 0; k < m; k++)
     314          model.SupportVectorCoefficients[k][i] = double.Parse(parts[k]);
     315        int n = parts.Length - m;
     316        model.SupportVectors[i] = new Node[n];
     317        for (int j = 0; j < n; j++) {
     318          string[] nodeParts = parts[m + j].Split(':');
     319          model.SupportVectors[i][j] = new Node();
     320          model.SupportVectors[i][j].Index = int.Parse(nodeParts[0]);
     321          model.SupportVectors[i][j].Value = double.Parse(nodeParts[1]);
     322        }
     323      }
     324
     325      TemporaryCulture.Stop();
     326
     327      return model;
     328    }
     329
     330    /// <summary>
     331    /// Writes a model to the provided filename.  This will overwrite any previous data in the file.
     332    /// </summary>
     333    /// <param name="filename">The desired file</param>
     334    /// <param name="model">The Model to write</param>
     335    public static void Write(string filename, Model model) {
     336      FileStream stream = File.Open(filename, FileMode.Create);
     337      try {
     338        Write(stream, model);
     339      }
     340      finally {
     341        stream.Close();
     342      }
     343    }
     344
     345    /// <summary>
     346    /// Writes a model to the provided stream.
     347    /// </summary>
     348    /// <param name="stream">The output stream</param>
     349    /// <param name="model">The model to write</param>
     350    public static void Write(Stream stream, Model model) {
     351      TemporaryCulture.Start();
     352
     353      StreamWriter output = new StreamWriter(stream);
     354
     355      Parameter param = model.Parameter;
     356
     357      output.Write("svm_type " + param.SvmType + Environment.NewLine);
     358      output.Write("kernel_type " + param.KernelType + Environment.NewLine);
     359
     360      if (param.KernelType == KernelType.POLY)
     361        output.Write("degree " + param.Degree.ToString("r") + Environment.NewLine);
     362
     363      if (param.KernelType == KernelType.POLY || param.KernelType == KernelType.RBF || param.KernelType == KernelType.SIGMOID)
     364        output.Write("gamma " + param.Gamma.ToString("r") + Environment.NewLine);
     365
     366      if (param.KernelType == KernelType.POLY || param.KernelType == KernelType.SIGMOID)
     367        output.Write("coef0 " + param.Coefficient0.ToString("r") + Environment.NewLine);
     368
     369      int nr_class = model.NumberOfClasses;
     370      int l = model.SupportVectorCount;
     371      output.Write("nr_class " + nr_class + Environment.NewLine);
     372      output.Write("total_sv " + l + Environment.NewLine);
     373
     374      {
     375        output.Write("rho");
     376        for (int i = 0; i < nr_class * (nr_class - 1) / 2; i++)
     377          output.Write(" " + model.Rho[i].ToString("r"));
     378        output.Write(Environment.NewLine);
     379      }
     380
     381      if (model.ClassLabels != null) {
     382        output.Write("label");
     383        for (int i = 0; i < nr_class; i++)
     384          output.Write(" " + model.ClassLabels[i]);
     385        output.Write(Environment.NewLine);
     386      }
     387
     388      if (model.PairwiseProbabilityA != null)
     389      // regression has probA only
    56390            {
    57                 return _parameter;
    58             }
    59             set
    60             {
    61                 _parameter = value;
    62             }
     391        output.Write("probA");
     392        for (int i = 0; i < nr_class * (nr_class - 1) / 2; i++)
     393          output.Write(" " + model.PairwiseProbabilityA[i].ToString("r"));
     394        output.Write(Environment.NewLine);
     395      }
     396      if (model.PairwiseProbabilityB != null) {
     397        output.Write("probB");
     398        for (int i = 0; i < nr_class * (nr_class - 1) / 2; i++)
     399          output.Write(" " + model.PairwiseProbabilityB[i].ToString("r"));
     400        output.Write(Environment.NewLine);
     401      }
     402
     403      if (model.NumberOfSVPerClass != null) {
     404        output.Write("nr_sv");
     405        for (int i = 0; i < nr_class; i++)
     406          output.Write(" " + model.NumberOfSVPerClass[i].ToString("r"));
     407        output.Write(Environment.NewLine);
     408      }
     409
     410      output.WriteLine("SV");
     411      double[][] sv_coef = model.SupportVectorCoefficients;
     412      Node[][] SV = model.SupportVectors;
     413
     414      for (int i = 0; i < l; i++) {
     415        for (int j = 0; j < nr_class - 1; j++)
     416          output.Write(sv_coef[j][i].ToString("r") + " ");
     417
     418        Node[] p = SV[i];
     419        if (p.Length == 0) {
     420          output.WriteLine();
     421          continue;
    63422        }
    64 
    65         /// <summary>
    66         /// Number of classes in the model.
    67         /// </summary>
    68         public int NumberOfClasses
    69         {
    70             get
    71             {
    72                 return _numberOfClasses;
    73             }
    74             set
    75             {
    76                 _numberOfClasses = value;
    77             }
     423        if (param.KernelType == KernelType.PRECOMPUTED)
     424          output.Write("0:{0}", (int)p[0].Value);
     425        else {
     426          output.Write("{0}:{1}", p[0].Index, p[0].Value.ToString("r"));
     427          for (int j = 1; j < p.Length; j++)
     428            output.Write(" {0}:{1}", p[j].Index, p[j].Value.ToString("r"));
    78429        }
    79 
    80         /// <summary>
    81         /// Total number of support vectors.
    82         /// </summary>
    83         public int SupportVectorCount
    84         {
    85             get
    86             {
    87                 return _supportVectorCount;
    88             }
    89             set
    90             {
    91                 _supportVectorCount = value;
    92             }
    93         }
    94 
    95         /// <summary>
    96         /// The support vectors.
    97         /// </summary>
    98         public Node[][] SupportVectors
    99         {
    100             get
    101             {
    102                 return _supportVectors;
    103             }
    104             set
    105             {
    106                 _supportVectors = value;
    107             }
    108         }
    109 
    110         /// <summary>
    111         /// The coefficients for the support vectors.
    112         /// </summary>
    113         public double[][] SupportVectorCoefficients
    114         {
    115             get
    116             {
    117                 return _supportVectorCoefficients;
    118             }
    119             set
    120             {
    121                 _supportVectorCoefficients = value;
    122             }
    123         }
    124 
    125         /// <summary>
    126         /// Rho values.
    127         /// </summary>
    128         public double[] Rho
    129         {
    130             get
    131             {
    132                 return _rho;
    133             }
    134             set
    135             {
    136                 _rho = value;
    137             }
    138         }
    139 
    140         /// <summary>
    141         /// First pairwise probability.
    142         /// </summary>
    143         public double[] PairwiseProbabilityA
    144         {
    145             get
    146             {
    147                 return _pairwiseProbabilityA;
    148             }
    149             set
    150             {
    151                 _pairwiseProbabilityA = value;
    152             }
    153         }
    154 
    155         /// <summary>
    156         /// Second pairwise probability.
    157         /// </summary>
    158         public double[] PairwiseProbabilityB
    159         {
    160             get
    161             {
    162                 return _pairwiseProbabilityB;
    163             }
    164             set
    165             {
    166                 _pairwiseProbabilityB = value;
    167             }
    168         }
    169    
    170     // for classification only
    171 
    172         /// <summary>
    173         /// Class labels.
    174         /// </summary>
    175         public int[] ClassLabels
    176         {
    177             get
    178             {
    179                 return _classLabels;
    180             }
    181             set
    182             {
    183                 _classLabels = value;
    184             }
    185         }
    186 
    187         /// <summary>
    188         /// Number of support vectors per class.
    189         /// </summary>
    190         public int[] NumberOfSVPerClass
    191         {
    192             get
    193             {
    194                 return _numberOfSVPerClass;
    195             }
    196             set
    197             {
    198                 _numberOfSVPerClass = value;
    199             }
    200         }
    201 
    202         /// <summary>
    203         /// Reads a Model from the provided file.
    204         /// </summary>
    205         /// <param name="filename">The name of the file containing the Model</param>
    206         /// <returns>the Model</returns>
    207         public static Model Read(string filename)
    208         {
    209             FileStream input = File.OpenRead(filename);
    210             try
    211             {
    212                 return Read(input);
    213             }
    214             finally
    215             {
    216                 input.Close();
    217             }
    218         }
    219 
    220         /// <summary>
    221         /// Reads a Model from the provided stream.
    222         /// </summary>
    223         /// <param name="stream">The stream from which to read the Model.</param>
    224         /// <returns>the Model</returns>
    225         public static Model Read(Stream stream)
    226         {
    227             TemporaryCulture.Start();
    228 
    229             StreamReader input = new StreamReader(stream);
    230 
    231             // read parameters
    232 
    233             Model model = new Model();
    234             Parameter param = new Parameter();
    235             model.Parameter = param;
    236             model.Rho = null;
    237             model.PairwiseProbabilityA = null;
    238             model.PairwiseProbabilityB = null;
    239             model.ClassLabels = null;
    240             model.NumberOfSVPerClass = null;
    241 
    242             bool headerFinished = false;
    243             while (!headerFinished)
    244             {
    245                 string line = input.ReadLine();
    246                 string cmd, arg;
    247                 int splitIndex = line.IndexOf(' ');
    248                 if (splitIndex >= 0)
    249                 {
    250                     cmd = line.Substring(0, splitIndex);
    251                     arg = line.Substring(splitIndex + 1);
    252                 }
    253                 else
    254                 {
    255                     cmd = line;
    256                     arg = "";
    257                 }
    258                 // arg = arg.ToLower(); (transforms double NaN or Infinity values to incorrect format [gkronber])
    259 
    260                 int i,n;
    261                 switch(cmd){
    262                     case "svm_type":
    263                         param.SvmType = (SvmType)Enum.Parse(typeof(SvmType), arg.ToUpper());
    264                         break;
    265                        
    266                     case "kernel_type":
    267                         param.KernelType = (KernelType)Enum.Parse(typeof(KernelType), arg.ToUpper());
    268                         break;
    269 
    270                     case "degree":
    271                         param.Degree = int.Parse(arg);
    272                         break;
    273 
    274                     case "gamma":
    275                         param.Gamma = double.Parse(arg);
    276                         break;
    277 
    278                     case "coef0":
    279                         param.Coefficient0 = double.Parse(arg);
    280                         break;
    281 
    282                     case "nr_class":
    283                         model.NumberOfClasses = int.Parse(arg);
    284                         break;
    285 
    286                     case "total_sv":
    287                         model.SupportVectorCount = int.Parse(arg);
    288                         break;
    289 
    290                     case "rho":
    291                         n = model.NumberOfClasses * (model.NumberOfClasses - 1) / 2;
    292                         model.Rho = new double[n];
    293                         string[] rhoParts = arg.Split();
    294                         for(i=0; i<n; i++)
    295                             model.Rho[i] = double.Parse(rhoParts[i]);
    296                         break;
    297 
    298                     case "label":
    299                         n = model.NumberOfClasses;
    300                         model.ClassLabels = new int[n];
    301                         string[] labelParts = arg.Split();
    302                         for (i = 0; i < n; i++)
    303                             model.ClassLabels[i] = int.Parse(labelParts[i]);
    304                         break;
    305 
    306                     case "probA":
    307                         n = model.NumberOfClasses * (model.NumberOfClasses - 1) / 2;
    308                         model.PairwiseProbabilityA = new double[n];
    309                             string[] probAParts = arg.Split();
    310                         for (i = 0; i < n; i++)
    311                             model.PairwiseProbabilityA[i] = double.Parse(probAParts[i]);
    312                         break;
    313 
    314                     case "probB":
    315                         n = model.NumberOfClasses * (model.NumberOfClasses - 1) / 2;
    316                         model.PairwiseProbabilityB = new double[n];
    317                         string[] probBParts = arg.Split();
    318                         for (i = 0; i < n; i++)
    319                             model.PairwiseProbabilityB[i] = double.Parse(probBParts[i]);
    320                         break;
    321 
    322                     case "nr_sv":
    323                         n = model.NumberOfClasses;
    324                         model.NumberOfSVPerClass = new int[n];
    325                         string[] nrsvParts = arg.Split();
    326                         for (i = 0; i < n; i++)
    327                             model.NumberOfSVPerClass[i] = int.Parse(nrsvParts[i]);
    328                         break;
    329 
    330                     case "SV":
    331                         headerFinished = true;
    332                         break;
    333 
    334                     default:
    335                         throw new Exception("Unknown text in model file"); 
    336                 }
    337             }
    338 
    339             // read sv_coef and SV
    340 
    341             int m = model.NumberOfClasses - 1;
    342             int l = model.SupportVectorCount;
    343             model.SupportVectorCoefficients = new double[m][];
    344             for (int i = 0; i < m; i++)
    345             {
    346                 model.SupportVectorCoefficients[i] = new double[l];
    347             }
    348             model.SupportVectors = new Node[l][];
    349 
    350             for (int i = 0; i < l; i++)
    351             {
    352                 string[] parts = input.ReadLine().Trim().Split();
    353 
    354                 for (int k = 0; k < m; k++)
    355                     model.SupportVectorCoefficients[k][i] = double.Parse(parts[k]);
    356                 int n = parts.Length-m;
    357                 model.SupportVectors[i] = new Node[n];
    358                 for (int j = 0; j < n; j++)
    359                 {
    360                     string[] nodeParts = parts[m + j].Split(':');
    361                     model.SupportVectors[i][j] = new Node();
    362                     model.SupportVectors[i][j].Index = int.Parse(nodeParts[0]);
    363                     model.SupportVectors[i][j].Value = double.Parse(nodeParts[1]);
    364                 }
    365             }
    366 
    367             TemporaryCulture.Stop();
    368 
    369             return model;
    370         }
    371 
    372         /// <summary>
    373         /// Writes a model to the provided filename.  This will overwrite any previous data in the file.
    374         /// </summary>
    375         /// <param name="filename">The desired file</param>
    376         /// <param name="model">The Model to write</param>
    377         public static void Write(string filename, Model model)
    378         {
    379             FileStream stream = File.Open(filename, FileMode.Create);
    380             try
    381             {
    382                 Write(stream, model);
    383             }
    384             finally
    385             {
    386                 stream.Close();
    387             }
    388         }
    389 
    390         /// <summary>
    391         /// Writes a model to the provided stream.
    392         /// </summary>
    393         /// <param name="stream">The output stream</param>
    394         /// <param name="model">The model to write</param>
    395         public static void Write(Stream stream, Model model)
    396         {
    397             TemporaryCulture.Start();
    398 
    399             StreamWriter output = new StreamWriter(stream);
    400 
    401             Parameter param = model.Parameter;
    402 
    403             output.Write("svm_type " + param.SvmType + Environment.NewLine);
    404             output.Write("kernel_type " + param.KernelType + Environment.NewLine);
    405 
    406             if (param.KernelType == KernelType.POLY)
    407                 output.Write("degree " + param.Degree.ToString("r") + Environment.NewLine);
    408 
    409             if (param.KernelType == KernelType.POLY || param.KernelType == KernelType.RBF || param.KernelType == KernelType.SIGMOID)
    410               output.Write("gamma " + param.Gamma.ToString("r") + Environment.NewLine);
    411 
    412             if (param.KernelType == KernelType.POLY || param.KernelType == KernelType.SIGMOID)
    413               output.Write("coef0 " + param.Coefficient0.ToString("r") + Environment.NewLine);
    414 
    415             int nr_class = model.NumberOfClasses;
    416             int l = model.SupportVectorCount;
    417             output.Write("nr_class " + nr_class + Environment.NewLine);
    418             output.Write("total_sv " + l + Environment.NewLine);
    419 
    420             {
    421                 output.Write("rho");
    422                 for (int i = 0; i < nr_class * (nr_class - 1) / 2; i++)
    423                   output.Write(" " + model.Rho[i].ToString("r"));
    424                 output.Write(Environment.NewLine);
    425             }
    426 
    427             if (model.ClassLabels != null)
    428             {
    429                 output.Write("label");
    430                 for (int i = 0; i < nr_class; i++)
    431                     output.Write(" " + model.ClassLabels[i]);
    432                 output.Write(Environment.NewLine);
    433             }
    434 
    435             if (model.PairwiseProbabilityA != null)
    436             // regression has probA only
    437             {
    438                 output.Write("probA");
    439                 for (int i = 0; i < nr_class * (nr_class - 1) / 2; i++)
    440                   output.Write(" " + model.PairwiseProbabilityA[i].ToString("r"));
    441                 output.Write(Environment.NewLine);
    442             }
    443             if (model.PairwiseProbabilityB != null)
    444             {
    445                 output.Write("probB");
    446                 for (int i = 0; i < nr_class * (nr_class - 1) / 2; i++)
    447                   output.Write(" " + model.PairwiseProbabilityB[i].ToString("r"));
    448                 output.Write(Environment.NewLine);
    449             }
    450 
    451             if (model.NumberOfSVPerClass != null)
    452             {
    453                 output.Write("nr_sv");
    454                 for (int i = 0; i < nr_class; i++)
    455                   output.Write(" " + model.NumberOfSVPerClass[i].ToString("r"));
    456                 output.Write(Environment.NewLine);
    457             }
    458 
    459             output.Write("SV\n");
    460             double[][] sv_coef = model.SupportVectorCoefficients;
    461             Node[][] SV = model.SupportVectors;
    462 
    463             for (int i = 0; i < l; i++)
    464             {
    465                 for (int j = 0; j < nr_class - 1; j++)
    466                   output.Write(sv_coef[j][i].ToString("r") + " ");
    467 
    468                 Node[] p = SV[i];
    469                 if (p.Length == 0)
    470                 {
    471                     output.WriteLine();
    472                     continue;
    473                 }
    474                 if (param.KernelType == KernelType.PRECOMPUTED)
    475                     output.Write("0:{0}", (int)p[0].Value);
    476                 else
    477                 {
    478                   output.Write("{0}:{1}", p[0].Index, p[0].Value.ToString("r"));
    479                     for (int j = 1; j < p.Length; j++)
    480                       output.Write(" {0}:{1}", p[j].Index, p[j].Value.ToString("r"));
    481                 }
    482                 output.WriteLine();
    483             }
    484 
    485             output.Flush();
    486 
    487             TemporaryCulture.Stop();
    488         }
    489   }
     430        output.WriteLine();
     431      }
     432
     433      output.Flush();
     434
     435      TemporaryCulture.Stop();
     436    }
     437  }
    490438}

  • trunk/sources/LibSVM/RangeTransform.cs

    r2416 r2418  
    199199    /// <returns>The Range transform</returns>
    200200    public static RangeTransform Read(Stream stream) {
     201      return Read(new StreamReader(stream));
     202    }
     203
     204    public static RangeTransform Read(TextReader input) {
    201205      TemporaryCulture.Start();
    202206
    203       StreamReader input = new StreamReader(stream);
    204207      int length = int.Parse(input.ReadLine());
    205208      double[] inputStart = new double[length];
Note: See TracChangeset for help on using the changeset viewer.