OrgLion-ML/golearn
1
0
Fork 0
mirror of https://github.com/sjwhitworth/golearn.git synced 2025-04-26 13:49:14 +08:00
Code Issues Releases Wiki Activity

Adding Example script for CART

Browse Source
This commit is contained in:
Ayush 2020-07-23 16:45:31 +05:30
parent c083759523
commit b16b60fcb5
4 changed files with 2411 additions and 1 deletions
Show Stats Download Patch File Download Diff File Expand all files Collapse all files

1460
examples/datasets/boston_house_prices.csv Normal file
View File

File diff suppressed because it is too large Load Diff

889
examples/datasets/titanic.csv Normal file
View File

@ -0,0 +1,889 @@
0,3,1,2
1,1,0,0
1,3,0,2
1,1,0,2
0,3,1,2
0,3,1,1
0,1,1,2
0,3,1,2
1,3,0,2
1,2,0,0
1,3,0,2
1,1,0,2
0,3,1,2
0,3,1,2
0,3,0,2
1,2,0,2
0,3,1,1
1,2,1,2
0,3,0,2
1,3,0,0
0,2,1,2
1,2,1,2
1,3,0,1
1,1,1,2
0,3,0,2
1,3,0,2
0,3,1,0
0,1,1,2
1,3,0,1
0,3,1,2
0,1,1,0
1,1,0,0
1,3,0,1
0,2,1,2
0,1,1,0
0,1,1,2
1,3,1,0
0,3,1,2
0,3,0,2
1,3,0,0
0,3,0,2
0,2,0,2
0,3,1,0
1,2,0,0
1,3,0,1
0,3,1,2
0,3,1,1
1,3,0,1
0,3,1,0
0,3,0,2
0,3,1,2
0,3,1,2
1,1,0,0
1,2,0,2
0,1,1,0
1,1,1,2
1,2,0,2
0,3,1,0
1,2,0,2
0,3,1,2
0,3,1,0
0,1,1,2
0,3,1,2
0,1,1,0
1,3,1,0
1,2,0,2
0,3,1,2
1,3,0,2
0,3,1,2
0,2,1,2
0,3,0,2
0,2,1,2
0,3,1,0
1,3,1,2
0,3,1,2
0,3,1,2
0,3,1,2
1,2,1,2
1,3,0,2
0,3,1,2
1,3,1,2
1,3,0,1
0,1,1,2
1,2,0,2
1,3,0,2
0,3,1,2
0,3,1,2
1,1,0,2
0,3,1,2
0,3,1,2
0,3,1,2
0,1,1,2
0,3,1,2
0,3,1,2
0,3,1,2
0,1,1,0
1,1,1,0
1,2,0,2
0,2,1,2
0,3,0,2
0,3,1,2
0,1,1,2
0,3,1,2
0,3,1,2
0,3,1,2
1,3,0,2
1,3,1,2
0,3,1,2
1,3,0,1
0,1,1,2
0,3,0,0
0,3,1,2
0,3,0,2
0,3,0,0
0,3,1,2
0,3,1,1
0,2,1,2
0,1,1,0
0,3,0,2
0,2,1,2
0,3,1,2
0,2,1,0
1,2,0,2
0,1,1,2
1,3,1,0
0,3,1,1
1,3,1,2
1,3,0,0
0,3,1,2
0,3,1,0
0,3,1,2
0,3,0,2
1,2,0,2
0,2,1,2
0,2,1,0
1,1,0,2
0,1,1,2
0,3,1,2
0,1,1,0
0,3,0,0
1,3,0,2
1,3,0,2
0,3,1,1
0,2,1,2
0,2,1,2
1,3,1,2
0,3,0,2
0,2,1,2
0,2,1,2
0,2,1,2
1,1,0,2
0,3,1,2
0,3,1,2
0,3,1,2
0,1,1,0
1,3,0,1
0,3,1,2
0,3,1,2
0,3,1,2
0,3,1,2
1,2,0,2
0,3,1,2
0,3,1,2
0,3,1,2
1,3,1,2
1,1,0,2
0,3,0,2
0,1,1,2
0,3,1,2
0,1,1,2
0,3,1,1
1,3,0,2
0,3,1,2
0,1,1,0
0,3,1,2
0,3,1,2
0,1,0,0
0,2,1,2
0,3,1,2
0,3,0,2
0,2,1,0
0,3,1,2
1,2,1,2
1,3,0,2
0,1,1,2
1,3,0,1
1,1,1,2
0,3,1,1
0,3,1,2
1,2,0,2
0,2,1,2
1,3,0,2
1,2,1,2
1,1,0,0
1,1,0,0
0,3,1,1
0,3,1,2
1,3,0,1
0,2,0,2
0,3,1,2
0,3,1,2
0,3,1,2
0,3,1,0
1,3,1,2
0,3,0,2
0,3,1,2
1,3,1,0
1,3,0,1
1,1,1,0
0,3,1,2
1,2,0,2
0,3,1,2
0,2,1,2
0,3,1,1
1,1,0,0
1,3,0,2
0,2,1,2
1,1,0,0
0,2,1,2
1,3,1,2
0,2,1,2
0,3,1,2
0,3,1,2
1,1,1,2
0,3,1,2
1,2,1,2
0,3,1,2
0,2,1,2
0,3,0,2
1,1,0,2
0,3,1,2
0,2,1,2
1,3,0,2
0,2,1,2
0,3,0,2
0,2,1,2
1,2,0,2
0,2,1,2
0,2,1,2
0,3,0,0
1,3,0,1
0,2,1,2
0,3,1,2
0,3,1,0
0,1,1,1
0,3,0,2
1,2,0,2
1,1,1,2
0,2,1,2
0,3,1,2
0,3,0,2
0,1,1,2
0,3,1,2
0,3,0,2
1,3,0,0
1,1,0,0
1,1,0,2
1,1,0,0
1,2,0,2
0,3,1,1
1,3,1,2
0,1,1,2
0,1,1,2
0,3,0,1
0,2,1,2
0,3,1,2
1,3,1,2
1,1,0,2
1,1,0,2
0,1,1,2
1,3,1,2
1,2,0,2
0,1,1,0
1,3,0,1
1,1,0,2
0,3,0,2
0,2,1,2
0,3,1,1
1,3,0,2
0,3,1,1
0,3,1,2
0,3,1,2
1,3,1,2
0,1,1,2
0,3,1,0
1,3,1,2
0,3,1,2
1,2,1,2
1,3,0,1
1,1,0,2
1,1,0,0
0,2,1,0
0,3,0,2
0,3,1,2
0,1,1,0
0,3,1,0
0,1,0,2
1,1,1,2
1,1,0,0
1,3,0,1
1,3,1,1
0,3,1,2
1,2,0,1
0,3,1,2
1,1,1,2
1,1,0,0
1,1,0,0
0,2,1,0
1,1,0,0
1,1,0,0
1,1,0,0
0,2,0,2
0,3,1,2
0,2,1,2
1,3,0,2
1,2,0,2
0,2,1,2
1,1,0,2
1,1,0,0
0,3,1,2
0,3,1,2
1,2,0,1
1,2,0,2
0,3,1,2
1,1,0,0
0,3,1,2
1,2,0,2
1,3,0,2
1,1,0,0
1,3,0,1
0,1,1,2
0,1,1,2
0,3,1,2
1,1,0,2
0,3,1,2
0,1,1,2
1,1,0,0
1,3,1,2
0,1,1,2
1,2,1,2
1,1,0,2
0,2,1,2
0,2,1,2
0,2,1,2
1,2,0,2
1,2,0,2
1,3,0,2
1,3,1,2
0,3,1,2
0,3,1,2
0,1,1,2
0,3,1,0
0,3,1,2
0,3,1,0
0,3,1,2
1,1,0,2
0,2,0,2
1,3,0,1
1,3,0,1
0,3,1,2
0,2,1,0
0,3,0,0
0,3,1,2
0,3,1,1
0,3,1,2
1,1,0,0
1,3,0,0
1,3,0,1
1,1,0,0
1,1,1,0
0,3,1,2
0,3,1,2
0,1,1,0
0,3,0,2
1,1,0,0
1,3,0,2
0,1,1,0
0,3,1,0
0,3,1,2
1,1,0,0
1,3,0,0
0,3,1,2
1,1,0,2
0,3,1,2
0,2,1,2
0,3,1,2
1,2,0,2
0,3,1,1
1,2,0,0
1,1,1,2
1,3,1,2
0,3,1,2
1,1,0,0
1,3,0,2
0,3,1,2
0,3,0,2
0,2,1,2
0,2,1,2
1,2,0,2
1,3,1,2
0,3,1,2
0,3,0,2
0,3,1,2
0,3,0,2
0,2,1,2
0,3,1,2
1,2,1,2
0,3,1,2
0,3,0,2
0,3,1,2
0,3,1,1
1,1,0,1
0,2,1,2
1,3,1,2
0,3,0,2
1,2,0,2
1,2,0,2
0,2,1,2
0,3,0,2
0,3,1,0
0,3,1,1
0,3,1,2
0,3,0,2
0,3,1,2
0,3,1,2
1,2,0,2
1,2,0,2
0,3,1,1
1,3,1,2
1,1,1,2
1,3,0,2
1,2,0,2
0,3,1,2
0,1,1,2
1,1,0,2
0,3,0,2
1,2,0,2
0,1,1,2
0,2,1,2
1,2,0,2
0,3,1,2
0,3,1,2
1,2,0,2
1,3,1,2
1,1,1,2
1,2,0,2
1,1,1,2
1,3,0,0
1,1,1,2
0,2,1,2
0,3,1,2
0,1,1,0
1,1,1,0
0,3,1,2
1,3,1,0
0,1,1,2
1,1,0,2
1,2,0,2
0,3,1,1
1,1,1,2
0,3,1,2
0,1,1,2
0,2,1,2
0,3,1,2
0,3,1,2
0,2,1,2
0,1,1,2
0,3,1,1
1,3,0,0
0,3,1,2
0,3,1,2
1,2,0,2
1,2,0,0
0,3,0,2
0,1,1,2
0,2,1,2
0,3,1,2
0,3,1,2
1,3,0,2
0,3,1,2
0,2,1,2
0,3,1,2
1,3,0,2
1,1,1,0
0,3,0,2
1,1,0,2
0,1,1,0
0,3,1,2
1,3,1,2
0,3,1,2
0,3,1,2
0,1,1,2
0,1,1,0
0,3,1,2
0,3,1,0
1,1,0,0
0,3,1,2
0,1,0,2
0,3,1,2
0,3,1,2
0,3,0,1
0,3,0,1
0,3,0,2
1,1,0,2
0,1,1,0
1,2,0,2
1,1,1,2
0,3,1,2
1,3,1,2
1,3,1,1
0,3,1,2
1,1,1,2
1,1,0,0
0,3,1,2
0,1,1,2
1,2,0,2
0,3,1,1
1,2,0,2
0,3,1,2
1,1,0,2
0,3,1,2
0,3,1,0
1,1,0,0
0,3,1,0
0,3,1,1
1,2,0,2
0,1,1,2
0,3,1,2
0,2,1,2
1,2,0,2
0,3,1,0
0,3,1,0
1,3,0,0
0,3,0,2
1,2,0,2
0,1,1,2
1,1,0,0
0,3,1,2
1,1,0,0
1,1,0,2
0,3,0,2
0,3,0,2
1,2,1,2
0,1,1,0
0,1,1,2
1,2,0,2
1,2,1,0
0,3,1,2
1,2,1,2
1,1,1,0
0,2,1,2
0,3,1,1
1,3,1,0
1,3,0,2
0,1,1,2
1,1,0,0
0,1,1,0
1,1,0,2
1,3,0,2
0,3,1,1
0,3,1,2
0,2,1,2
0,3,1,2
0,3,0,2
0,3,1,2
0,3,1,2
0,3,0,2
0,3,1,0
1,3,1,2
1,2,1,2
1,1,0,2
1,1,1,2
1,3,0,1
0,3,1,2
0,3,1,2
1,2,0,2
1,1,0,2
0,3,0,0
1,3,1,2
1,2,0,2
1,1,0,0
0,2,1,2
0,1,1,0
0,3,1,0
1,1,0,2
0,2,1,2
1,1,1,0
0,3,1,2
0,3,1,2
0,3,1,2
1,1,0,0
0,3,1,2
0,3,0,1
0,2,1,2
0,3,1,2
1,2,0,2
0,3,1,2
0,3,1,0
1,1,1,0
1,2,0,2
0,3,1,2
0,1,1,2
0,3,1,2
1,1,1,0
0,3,1,2
0,3,1,2
1,1,1,2
1,2,0,0
1,1,0,2
0,3,0,2
0,3,1,2
1,3,0,1
0,3,1,1
0,3,1,2
1,2,0,2
0,3,1,2
0,3,0,2
1,2,0,2
0,2,1,2
0,3,1,0
1,1,1,2
1,3,1,0
0,3,1,2
0,3,1,2
0,1,1,2
0,2,1,1
1,1,0,2
0,3,1,2
0,3,1,1
1,1,1,2
0,3,1,2
1,1,1,0
0,1,1,2
0,3,0,2
1,2,0,2
0,3,1,2
0,2,1,2
0,3,0,2
0,3,1,2
0,3,1,2
1,1,0,0
0,3,0,2
1,3,1,2
1,3,0,0
1,1,1,0
0,3,1,2
1,1,1,0
0,3,1,2
1,3,0,2
0,3,1,2
1,2,0,2
0,3,1,2
1,3,0,1
0,3,0,1
0,2,1,2
0,3,1,2
0,3,0,1
0,2,1,2
0,1,1,0
1,1,1,2
0,3,1,0
0,1,1,2
0,3,1,2
1,3,1,2
0,2,1,2
0,2,1,2
0,3,1,2
0,3,1,2
1,1,0,2
1,2,0,2
0,1,1,2
0,2,1,2
1,2,1,2
0,2,1,2
0,3,1,2
0,3,1,2
1,3,0,2
0,3,0,2
1,1,1,0
0,3,0,1
1,1,1,0
0,3,1,2
0,3,1,2
0,2,1,2
0,2,1,0
0,3,1,2
0,3,1,2
0,3,1,2
1,1,0,2
1,1,1,2
1,3,0,0
1,3,1,2
0,3,1,0
0,1,1,2
0,2,1,2
0,3,1,2
1,3,0,1
0,1,1,0
0,3,1,2
1,1,0,0
1,1,1,2
0,3,0,0
0,3,1,1
0,3,1,2
0,2,1,2
1,2,0,2
1,1,1,2
1,1,0,2
1,3,1,0
1,1,0,0
0,1,1,2
1,1,1,2
0,3,1,2
0,2,1,2
0,3,1,2
1,1,0,0
1,2,0,2
0,3,1,1
0,3,1,2
1,2,0,2
0,3,1,2
0,2,1,2
0,2,1,2
1,1,1,2
0,3,1,2
1,2,0,2
1,3,0,1
0,2,1,2
0,3,0,2
1,1,0,2
0,3,1,0
0,2,1,2
0,2,1,2
0,2,1,2
0,3,1,2
0,3,0,2
1,1,1,0
0,3,1,2
0,3,1,2
1,1,1,2
0,1,1,2
1,1,0,0
0,3,1,2
1,3,1,2
0,1,1,2
0,3,1,2
1,2,0,2
0,1,1,2
0,3,1,1
1,2,0,2
1,3,1,2
0,3,1,2
0,3,1,2
1,2,0,2
1,2,1,2
0,3,1,2
0,2,1,2
0,3,1,2
1,1,0,2
0,3,1,2
0,3,1,2
1,3,1,0
1,1,0,2
0,3,1,2
1,1,0,2
0,1,1,0
0,3,0,1
0,3,1,1
0,3,1,2
0,3,1,2
0,3,1,2
0,2,0,2
0,3,1,0
1,2,0,2
0,3,1,2
0,3,1,1
1,3,0,2
0,3,1,1
1,1,0,2
1,3,0,0
1,1,0,2
0,1,1,2
0,3,1,2
0,3,1,2
0,3,1,2
1,3,0,2
0,3,1,1
1,3,1,2
0,1,1,0
0,3,1,1
0,2,1,2
0,3,0,2
0,1,1,0
0,3,1,2
0,2,1,2
1,1,0,2
1,3,0,2
0,3,1,0
0,3,0,2
0,2,1,2
1,2,0,2
1,1,1,2
1,3,1,0
1,3,1,2
0,3,1,2
0,1,1,2
0,3,0,2
0,2,1,2
1,1,0,2
0,3,1,2
0,3,1,2
0,2,1,2
0,3,0,2
0,3,1,2
0,1,1,2
0,3,0,2
0,2,1,0
0,3,1,2
0,3,1,2
1,1,0,2
1,3,1,2
0,1,1,2
1,3,0,2
0,3,1,2
0,3,1,1
0,3,1,2
1,2,1,0
1,3,1,1
1,3,0,0
1,2,1,2
0,3,1,0
0,3,1,2
0,3,1,2
1,1,0,0
0,3,1,2
0,3,1,2
1,3,1,2
1,1,1,0
0,3,1,2
0,2,1,2
1,1,0,0
0,3,1,0
0,3,1,2
0,3,1,2
0,3,1,2
0,3,1,0
0,2,1,2
1,1,0,0
0,3,1,2
0,3,1,2
0,3,0,0
1,1,0,2
0,2,0,2
1,3,0,2
1,1,0,2
1,1,1,2
1,3,0,0
0,3,1,0
0,3,1,2
0,2,1,2
1,1,0,2
0,3,0,2
0,2,1,2
1,2,0,2
1,2,0,0
0,1,1,2
0,3,1,2
1,3,1,2
0,3,1,2
1,1,0,2
0,1,1,2
0,3,1,2
1,2,0,0
1,3,0,0
0,3,1,2
0,3,1,2
0,3,1,2
1,1,0,0
1,2,0,2
0,3,1,2
0,3,0,2
0,2,1,2
0,3,1,2
0,3,0,1
0,2,1,2
1,1,0,2
0,3,0,2
1,1,1,0
0,3,1,1
1 0 3 1 2
2 1 1 0 0
3 1 3 0 2
4 1 1 0 2
5 0 3 1 2
6 0 3 1 1
7 0 1 1 2
8 0 3 1 2
9 1 3 0 2
10 1 2 0 0
11 1 3 0 2
12 1 1 0 2
13 0 3 1 2
14 0 3 1 2
15 0 3 0 2
16 1 2 0 2
17 0 3 1 1
18 1 2 1 2
19 0 3 0 2
20 1 3 0 0
21 0 2 1 2
22 1 2 1 2
23 1 3 0 1
24 1 1 1 2
25 0 3 0 2
26 1 3 0 2
27 0 3 1 0
28 0 1 1 2
29 1 3 0 1
30 0 3 1 2
31 0 1 1 0
32 1 1 0 0
33 1 3 0 1
34 0 2 1 2
35 0 1 1 0
36 0 1 1 2
37 1 3 1 0
38 0 3 1 2
39 0 3 0 2
40 1 3 0 0
41 0 3 0 2
42 0 2 0 2
43 0 3 1 0
44 1 2 0 0
45 1 3 0 1
46 0 3 1 2
47 0 3 1 1
48 1 3 0 1
49 0 3 1 0
50 0 3 0 2
51 0 3 1 2
52 0 3 1 2
53 1 1 0 0
54 1 2 0 2
55 0 1 1 0
56 1 1 1 2
57 1 2 0 2
58 0 3 1 0
59 1 2 0 2
60 0 3 1 2
61 0 3 1 0
62 0 1 1 2
63 0 3 1 2
64 0 1 1 0
65 1 3 1 0
66 1 2 0 2
67 0 3 1 2
68 1 3 0 2
69 0 3 1 2
70 0 2 1 2
71 0 3 0 2
72 0 2 1 2
73 0 3 1 0
74 1 3 1 2
75 0 3 1 2
76 0 3 1 2
77 0 3 1 2
78 1 2 1 2
79 1 3 0 2
80 0 3 1 2
81 1 3 1 2
82 1 3 0 1
83 0 1 1 2
84 1 2 0 2
85 1 3 0 2
86 0 3 1 2
87 0 3 1 2
88 1 1 0 2
89 0 3 1 2
90 0 3 1 2
91 0 3 1 2
92 0 1 1 2
93 0 3 1 2
94 0 3 1 2
95 0 3 1 2
96 0 1 1 0
97 1 1 1 0
98 1 2 0 2
99 0 2 1 2
100 0 3 0 2
101 0 3 1 2
102 0 1 1 2
103 0 3 1 2
104 0 3 1 2
105 0 3 1 2
106 1 3 0 2
107 1 3 1 2
108 0 3 1 2
109 1 3 0 1
110 0 1 1 2
111 0 3 0 0
112 0 3 1 2
113 0 3 0 2
114 0 3 0 0
115 0 3 1 2
116 0 3 1 1
117 0 2 1 2
118 0 1 1 0
119 0 3 0 2
120 0 2 1 2
121 0 3 1 2
122 0 2 1 0
123 1 2 0 2
124 0 1 1 2
125 1 3 1 0
126 0 3 1 1
127 1 3 1 2
128 1 3 0 0
129 0 3 1 2
130 0 3 1 0
131 0 3 1 2
132 0 3 0 2
133 1 2 0 2
134 0 2 1 2
135 0 2 1 0
136 1 1 0 2
137 0 1 1 2
138 0 3 1 2
139 0 1 1 0
140 0 3 0 0
141 1 3 0 2
142 1 3 0 2
143 0 3 1 1
144 0 2 1 2
145 0 2 1 2
146 1 3 1 2
147 0 3 0 2
148 0 2 1 2
149 0 2 1 2
150 0 2 1 2
151 1 1 0 2
152 0 3 1 2
153 0 3 1 2
154 0 3 1 2
155 0 1 1 0
156 1 3 0 1
157 0 3 1 2
158 0 3 1 2
159 0 3 1 2
160 0 3 1 2
161 1 2 0 2
162 0 3 1 2
163 0 3 1 2
164 0 3 1 2
165 1 3 1 2
166 1 1 0 2
167 0 3 0 2
168 0 1 1 2
169 0 3 1 2
170 0 1 1 2
171 0 3 1 1
172 1 3 0 2
173 0 3 1 2
174 0 1 1 0
175 0 3 1 2
176 0 3 1 2
177 0 1 0 0
178 0 2 1 2
179 0 3 1 2
180 0 3 0 2
181 0 2 1 0
182 0 3 1 2
183 1 2 1 2
184 1 3 0 2
185 0 1 1 2
186 1 3 0 1
187 1 1 1 2
188 0 3 1 1
189 0 3 1 2
190 1 2 0 2
191 0 2 1 2
192 1 3 0 2
193 1 2 1 2
194 1 1 0 0
195 1 1 0 0
196 0 3 1 1
197 0 3 1 2
198 1 3 0 1
199 0 2 0 2
200 0 3 1 2
201 0 3 1 2
202 0 3 1 2
203 0 3 1 0
204 1 3 1 2
205 0 3 0 2
206 0 3 1 2
207 1 3 1 0
208 1 3 0 1
209 1 1 1 0
210 0 3 1 2
211 1 2 0 2
212 0 3 1 2
213 0 2 1 2
214 0 3 1 1
215 1 1 0 0
216 1 3 0 2
217 0 2 1 2
218 1 1 0 0
219 0 2 1 2
220 1 3 1 2
221 0 2 1 2
222 0 3 1 2
223 0 3 1 2
224 1 1 1 2
225 0 3 1 2
226 1 2 1 2
227 0 3 1 2
228 0 2 1 2
229 0 3 0 2
230 1 1 0 2
231 0 3 1 2
232 0 2 1 2
233 1 3 0 2
234 0 2 1 2
235 0 3 0 2
236 0 2 1 2
237 1 2 0 2
238 0 2 1 2
239 0 2 1 2
240 0 3 0 0
241 1 3 0 1
242 0 2 1 2
243 0 3 1 2
244 0 3 1 0
245 0 1 1 1
246 0 3 0 2
247 1 2 0 2
248 1 1 1 2
249 0 2 1 2
250 0 3 1 2
251 0 3 0 2
252 0 1 1 2
253 0 3 1 2
254 0 3 0 2
255 1 3 0 0
256 1 1 0 0
257 1 1 0 2
258 1 1 0 0
259 1 2 0 2
260 0 3 1 1
261 1 3 1 2
262 0 1 1 2
263 0 1 1 2
264 0 3 0 1
265 0 2 1 2
266 0 3 1 2
267 1 3 1 2
268 1 1 0 2
269 1 1 0 2
270 0 1 1 2
271 1 3 1 2
272 1 2 0 2
273 0 1 1 0
274 1 3 0 1
275 1 1 0 2
276 0 3 0 2
277 0 2 1 2
278 0 3 1 1
279 1 3 0 2
280 0 3 1 1
281 0 3 1 2
282 0 3 1 2
283 1 3 1 2
284 0 1 1 2
285 0 3 1 0
286 1 3 1 2
287 0 3 1 2
288 1 2 1 2
289 1 3 0 1
290 1 1 0 2
291 1 1 0 0
292 0 2 1 0
293 0 3 0 2
294 0 3 1 2
295 0 1 1 0
296 0 3 1 0
297 0 1 0 2
298 1 1 1 2
299 1 1 0 0
300 1 3 0 1
301 1 3 1 1
302 0 3 1 2
303 1 2 0 1
304 0 3 1 2
305 1 1 1 2
306 1 1 0 0
307 1 1 0 0
308 0 2 1 0
309 1 1 0 0
310 1 1 0 0
311 1 1 0 0
312 0 2 0 2
313 0 3 1 2
314 0 2 1 2
315 1 3 0 2
316 1 2 0 2
317 0 2 1 2
318 1 1 0 2
319 1 1 0 0
320 0 3 1 2
321 0 3 1 2
322 1 2 0 1
323 1 2 0 2
324 0 3 1 2
325 1 1 0 0
326 0 3 1 2
327 1 2 0 2
328 1 3 0 2
329 1 1 0 0
330 1 3 0 1
331 0 1 1 2
332 0 1 1 2
333 0 3 1 2
334 1 1 0 2
335 0 3 1 2
336 0 1 1 2
337 1 1 0 0
338 1 3 1 2
339 0 1 1 2
340 1 2 1 2
341 1 1 0 2
342 0 2 1 2
343 0 2 1 2
344 0 2 1 2
345 1 2 0 2
346 1 2 0 2
347 1 3 0 2
348 1 3 1 2
349 0 3 1 2
350 0 3 1 2
351 0 1 1 2
352 0 3 1 0
353 0 3 1 2
354 0 3 1 0
355 0 3 1 2
356 1 1 0 2
357 0 2 0 2
358 1 3 0 1
359 1 3 0 1
360 0 3 1 2
361 0 2 1 0
362 0 3 0 0
363 0 3 1 2
364 0 3 1 1
365 0 3 1 2
366 1 1 0 0
367 1 3 0 0
368 1 3 0 1
369 1 1 0 0
370 1 1 1 0
371 0 3 1 2
372 0 3 1 2
373 0 1 1 0
374 0 3 0 2
375 1 1 0 0
376 1 3 0 2
377 0 1 1 0
378 0 3 1 0
379 0 3 1 2
380 1 1 0 0
381 1 3 0 0
382 0 3 1 2
383 1 1 0 2
384 0 3 1 2
385 0 2 1 2
386 0 3 1 2
387 1 2 0 2
388 0 3 1 1
389 1 2 0 0
390 1 1 1 2
391 1 3 1 2
392 0 3 1 2
393 1 1 0 0
394 1 3 0 2
395 0 3 1 2
396 0 3 0 2
397 0 2 1 2
398 0 2 1 2
399 1 2 0 2
400 1 3 1 2
401 0 3 1 2
402 0 3 0 2
403 0 3 1 2
404 0 3 0 2
405 0 2 1 2
406 0 3 1 2
407 1 2 1 2
408 0 3 1 2
409 0 3 0 2
410 0 3 1 2
411 0 3 1 1
412 1 1 0 1
413 0 2 1 2
414 1 3 1 2
415 0 3 0 2
416 1 2 0 2
417 1 2 0 2
418 0 2 1 2
419 0 3 0 2
420 0 3 1 0
421 0 3 1 1
422 0 3 1 2
423 0 3 0 2
424 0 3 1 2
425 0 3 1 2
426 1 2 0 2
427 1 2 0 2
428 0 3 1 1
429 1 3 1 2
430 1 1 1 2
431 1 3 0 2
432 1 2 0 2
433 0 3 1 2
434 0 1 1 2
435 1 1 0 2
436 0 3 0 2
437 1 2 0 2
438 0 1 1 2
439 0 2 1 2
440 1 2 0 2
441 0 3 1 2
442 0 3 1 2
443 1 2 0 2
444 1 3 1 2
445 1 1 1 2
446 1 2 0 2
447 1 1 1 2
448 1 3 0 0
449 1 1 1 2
450 0 2 1 2
451 0 3 1 2
452 0 1 1 0
453 1 1 1 0
454 0 3 1 2
455 1 3 1 0
456 0 1 1 2
457 1 1 0 2
458 1 2 0 2
459 0 3 1 1
460 1 1 1 2
461 0 3 1 2
462 0 1 1 2
463 0 2 1 2
464 0 3 1 2
465 0 3 1 2
466 0 2 1 2
467 0 1 1 2
468 0 3 1 1
469 1 3 0 0
470 0 3 1 2
471 0 3 1 2
472 1 2 0 2
473 1 2 0 0
474 0 3 0 2
475 0 1 1 2
476 0 2 1 2
477 0 3 1 2
478 0 3 1 2
479 1 3 0 2
480 0 3 1 2
481 0 2 1 2
482 0 3 1 2
483 1 3 0 2
484 1 1 1 0
485 0 3 0 2
486 1 1 0 2
487 0 1 1 0
488 0 3 1 2
489 1 3 1 2
490 0 3 1 2
491 0 3 1 2
492 0 1 1 2
493 0 1 1 0
494 0 3 1 2
495 0 3 1 0
496 1 1 0 0
497 0 3 1 2
498 0 1 0 2
499 0 3 1 2
500 0 3 1 2
501 0 3 0 1
502 0 3 0 1
503 0 3 0 2
504 1 1 0 2
505 0 1 1 0
506 1 2 0 2
507 1 1 1 2
508 0 3 1 2
509 1 3 1 2
510 1 3 1 1
511 0 3 1 2
512 1 1 1 2
513 1 1 0 0
514 0 3 1 2
515 0 1 1 2
516 1 2 0 2
517 0 3 1 1
518 1 2 0 2
519 0 3 1 2
520 1 1 0 2
521 0 3 1 2
522 0 3 1 0
523 1 1 0 0
524 0 3 1 0
525 0 3 1 1
526 1 2 0 2
527 0 1 1 2
528 0 3 1 2
529 0 2 1 2
530 1 2 0 2
531 0 3 1 0
532 0 3 1 0
533 1 3 0 0
534 0 3 0 2
535 1 2 0 2
536 0 1 1 2
537 1 1 0 0
538 0 3 1 2
539 1 1 0 0
540 1 1 0 2
541 0 3 0 2
542 0 3 0 2
543 1 2 1 2
544 0 1 1 0
545 0 1 1 2
546 1 2 0 2
547 1 2 1 0
548 0 3 1 2
549 1 2 1 2
550 1 1 1 0
551 0 2 1 2
552 0 3 1 1
553 1 3 1 0
554 1 3 0 2
555 0 1 1 2
556 1 1 0 0
557 0 1 1 0
558 1 1 0 2
559 1 3 0 2
560 0 3 1 1
561 0 3 1 2
562 0 2 1 2
563 0 3 1 2
564 0 3 0 2
565 0 3 1 2
566 0 3 1 2
567 0 3 0 2
568 0 3 1 0
569 1 3 1 2
570 1 2 1 2
571 1 1 0 2
572 1 1 1 2
573 1 3 0 1
574 0 3 1 2
575 0 3 1 2
576 1 2 0 2
577 1 1 0 2
578 0 3 0 0
579 1 3 1 2
580 1 2 0 2
581 1 1 0 0
582 0 2 1 2
583 0 1 1 0
584 0 3 1 0
585 1 1 0 2
586 0 2 1 2
587 1 1 1 0
588 0 3 1 2
589 0 3 1 2
590 0 3 1 2
591 1 1 0 0
592 0 3 1 2
593 0 3 0 1
594 0 2 1 2
595 0 3 1 2
596 1 2 0 2
597 0 3 1 2
598 0 3 1 0
599 1 1 1 0
600 1 2 0 2
601 0 3 1 2
602 0 1 1 2
603 0 3 1 2
604 1 1 1 0
605 0 3 1 2
606 0 3 1 2
607 1 1 1 2
608 1 2 0 0
609 1 1 0 2
610 0 3 0 2
611 0 3 1 2
612 1 3 0 1
613 0 3 1 1
614 0 3 1 2
615 1 2 0 2
616 0 3 1 2
617 0 3 0 2
618 1 2 0 2
619 0 2 1 2
620 0 3 1 0
621 1 1 1 2
622 1 3 1 0
623 0 3 1 2
624 0 3 1 2
625 0 1 1 2
626 0 2 1 1
627 1 1 0 2
628 0 3 1 2
629 0 3 1 1
630 1 1 1 2
631 0 3 1 2
632 1 1 1 0
633 0 1 1 2
634 0 3 0 2
635 1 2 0 2
636 0 3 1 2
637 0 2 1 2
638 0 3 0 2
639 0 3 1 2
640 0 3 1 2
641 1 1 0 0
642 0 3 0 2
643 1 3 1 2
644 1 3 0 0
645 1 1 1 0
646 0 3 1 2
647 1 1 1 0
648 0 3 1 2
649 1 3 0 2
650 0 3 1 2
651 1 2 0 2
652 0 3 1 2
653 1 3 0 1
654 0 3 0 1
655 0 2 1 2
656 0 3 1 2
657 0 3 0 1
658 0 2 1 2
659 0 1 1 0
660 1 1 1 2
661 0 3 1 0
662 0 1 1 2
663 0 3 1 2
664 1 3 1 2
665 0 2 1 2
666 0 2 1 2
667 0 3 1 2
668 0 3 1 2
669 1 1 0 2
670 1 2 0 2
671 0 1 1 2
672 0 2 1 2
673 1 2 1 2
674 0 2 1 2
675 0 3 1 2
676 0 3 1 2
677 1 3 0 2
678 0 3 0 2
679 1 1 1 0
680 0 3 0 1
681 1 1 1 0
682 0 3 1 2
683 0 3 1 2
684 0 2 1 2
685 0 2 1 0
686 0 3 1 2
687 0 3 1 2
688 0 3 1 2
689 1 1 0 2
690 1 1 1 2
691 1 3 0 0
692 1 3 1 2
693 0 3 1 0
694 0 1 1 2
695 0 2 1 2
696 0 3 1 2
697 1 3 0 1
698 0 1 1 0
699 0 3 1 2
700 1 1 0 0
701 1 1 1 2
702 0 3 0 0
703 0 3 1 1
704 0 3 1 2
705 0 2 1 2
706 1 2 0 2
707 1 1 1 2
708 1 1 0 2
709 1 3 1 0
710 1 1 0 0
711 0 1 1 2
712 1 1 1 2
713 0 3 1 2
714 0 2 1 2
715 0 3 1 2
716 1 1 0 0
717 1 2 0 2
718 0 3 1 1
719 0 3 1 2
720 1 2 0 2
721 0 3 1 2
722 0 2 1 2
723 0 2 1 2
724 1 1 1 2
725 0 3 1 2
726 1 2 0 2
727 1 3 0 1
728 0 2 1 2
729 0 3 0 2
730 1 1 0 2
731 0 3 1 0
732 0 2 1 2
733 0 2 1 2
734 0 2 1 2
735 0 3 1 2
736 0 3 0 2
737 1 1 1 0
738 0 3 1 2
739 0 3 1 2
740 1 1 1 2
741 0 1 1 2
742 1 1 0 0
743 0 3 1 2
744 1 3 1 2
745 0 1 1 2
746 0 3 1 2
747 1 2 0 2
748 0 1 1 2
749 0 3 1 1
750 1 2 0 2
751 1 3 1 2
752 0 3 1 2
753 0 3 1 2
754 1 2 0 2
755 1 2 1 2
756 0 3 1 2
757 0 2 1 2
758 0 3 1 2
759 1 1 0 2
760 0 3 1 2
761 0 3 1 2
762 1 3 1 0
763 1 1 0 2
764 0 3 1 2
765 1 1 0 2
766 0 1 1 0
767 0 3 0 1
768 0 3 1 1
769 0 3 1 2
770 0 3 1 2
771 0 3 1 2
772 0 2 0 2
773 0 3 1 0
774 1 2 0 2
775 0 3 1 2
776 0 3 1 1
777 1 3 0 2
778 0 3 1 1
779 1 1 0 2
780 1 3 0 0
781 1 1 0 2
782 0 1 1 2
783 0 3 1 2
784 0 3 1 2
785 0 3 1 2
786 1 3 0 2
787 0 3 1 1
788 1 3 1 2
789 0 1 1 0
790 0 3 1 1
791 0 2 1 2
792 0 3 0 2
793 0 1 1 0
794 0 3 1 2
795 0 2 1 2
796 1 1 0 2
797 1 3 0 2
798 0 3 1 0
799 0 3 0 2
800 0 2 1 2
801 1 2 0 2
802 1 1 1 2
803 1 3 1 0
804 1 3 1 2
805 0 3 1 2
806 0 1 1 2
807 0 3 0 2
808 0 2 1 2
809 1 1 0 2
810 0 3 1 2
811 0 3 1 2
812 0 2 1 2
813 0 3 0 2
814 0 3 1 2
815 0 1 1 2
816 0 3 0 2
817 0 2 1 0
818 0 3 1 2
819 0 3 1 2
820 1 1 0 2
821 1 3 1 2
822 0 1 1 2
823 1 3 0 2
824 0 3 1 2
825 0 3 1 1
826 0 3 1 2
827 1 2 1 0
828 1 3 1 1
829 1 3 0 0
830 1 2 1 2
831 0 3 1 0
832 0 3 1 2
833 0 3 1 2
834 1 1 0 0
835 0 3 1 2
836 0 3 1 2
837 1 3 1 2
838 1 1 1 0
839 0 3 1 2
840 0 2 1 2
841 1 1 0 0
842 0 3 1 0
843 0 3 1 2
844 0 3 1 2
845 0 3 1 2
846 0 3 1 0
847 0 2 1 2
848 1 1 0 0
849 0 3 1 2
850 0 3 1 2
851 0 3 0 0
852 1 1 0 2
853 0 2 0 2
854 1 3 0 2
855 1 1 0 2
856 1 1 1 2
857 1 3 0 0
858 0 3 1 0
859 0 3 1 2
860 0 2 1 2
861 1 1 0 2
862 0 3 0 2
863 0 2 1 2
864 1 2 0 2
865 1 2 0 0
866 0 1 1 2
867 0 3 1 2
868 1 3 1 2
869 0 3 1 2
870 1 1 0 2
871 0 1 1 2
872 0 3 1 2
873 1 2 0 0
874 1 3 0 0
875 0 3 1 2
876 0 3 1 2
877 0 3 1 2
878 1 1 0 0
879 1 2 0 2
880 0 3 1 2
881 0 3 0 2
882 0 2 1 2
883 0 3 1 2
884 0 3 0 1
885 0 2 1 2
886 1 1 0 2
887 0 3 0 2
888 1 1 1 0
889 0 3 1 1

61
examples/trees/cart.go Normal file
View File

@ -0,0 +1,61 @@
// Example of how to use CART trees for both Classification and Regression
package main
import (
"fmt"
"github.com/sjwhitworth/golearn/base"
)
func main() {
// Load Titanic Data For classification
classificationData, err := base.ParseCSVToInstances("../datasets/titanic.csv", false)
if err != nil {
panic(err)
}
trainData, testData := base.InstancesTrainTestSplit(classificationData, 0.5)
// Create New Classification Tree
// Hyperparameters - loss function, max Depth (-1 will split until pure), list of unique labels
decTree = NewDecisionTreeClassifier("entropy", -1, []int64{0, 1})
// Train Tree
decTree.Fit(trainData)
// Print out tree for visualization - shows splits and feature and predictions
fmt.Println(decTree.String())
// Access Predictions
classificationPreds := decTree.Predict(testData)
fmt.Println("Titanic Predictions")
fmt.Println(classificationPreds)
// Evaluate Accuracy on Test Data
fmt.Println(decTree.Evaluate(testData))
// Load House Price Data For Regression
regressionData, err := base.ParseCSVToInstances("../datasets/boston_house_prices.csv", false)
if err != nil {
panic(err)
}
trainRegData, testRegData := base.InstancesTrainTestSplit(regressionData, 0.5)
// Hyperparameters - Loss function, max Depth (-1 will split until pure)
regTree := NewDecisionTreeRegressor("mse", -1)
// Train Tree
regTree.Fit(trainRegData)
// Print out tree for visualization
fmt.Println(regTree.String())
// Access Predictions
regressionPreds := regTree.Predict(testRegData)
fmt.Println("Boston House Price Predictions")
fmt.Println(regressionPreds)
}

2
trees/cart_classifier.go
View File

@ -432,7 +432,7 @@ func cpredictFromNode(tree CNode, test [][]float64) []int64 {
return preds
}
// Given Test data and label, return the accuracy of the classifier. Data has to be in float slice format before feeding.
// Given Test data and label, return the accuracy of the classifier.
func (tree *CARTDecisionTreeClassifier) Evaluate(test base.FixedDataGrid) float64 {
rootNode := *tree.RootNode
xTest := classifierConvertInstancesToProblemVec(test)