mirror of
https://github.com/apachecn/ailearning.git
synced 2026-02-11 22:35:35 +08:00
测试完：回归树 VS 模型树 VS 线性回归
This commit is contained in:
jiangzhonglian
@@ -38,9 +38,12 @@ def binSplitDataSet(dataSet, feature, value):
|
||||
"""binSplitDataSet(将数据集，按照feature列的value进行 二元切分)
|
||||
|
||||
Args:
|
||||
fileName 文件名
|
||||
dataMat 数据集
|
||||
feature 特征列
|
||||
value 特征列要比较的值
|
||||
Returns:
|
||||
dataMat 每一行的数据集array类型
|
||||
mat0 小于的数据集在左边
|
||||
mat1 大于的数据集在右边
|
||||
Raises:
|
||||
"""
|
||||
# # 测试案例
|
||||
@@ -50,8 +53,8 @@ def binSplitDataSet(dataSet, feature, value):
|
||||
|
||||
# dataSet[:, feature] 取去每一行中，第1列的值(从0开始算)
|
||||
# nonzero(dataSet[:, feature] > value) 返回结果为true行的index下标
|
||||
mat0 = dataSet[nonzero(dataSet[:, feature] > value)[0], :]
|
||||
mat1 = dataSet[nonzero(dataSet[:, feature] <= value)[0], :]
|
||||
mat0 = dataSet[nonzero(dataSet[:, feature] <= value)[0], :]
|
||||
mat1 = dataSet[nonzero(dataSet[:, feature] > value)[0], :]
|
||||
return mat0, mat1
|
||||
|
||||
|
||||
@@ -92,7 +95,6 @@ def chooseBestSplit(dataSet, leafType=regLeaf, errType=regErr, ops=(1, 4)):
|
||||
return None, leafType(dataSet)
|
||||
# 计算行列值
|
||||
m, n = shape(dataSet)
|
||||
print m, n
|
||||
# 无分类误差的总方差和
|
||||
# the choice of the best feature is driven by Reduction in RSS error from mean
|
||||
S = errType(dataSet)
|
||||
@@ -134,89 +136,136 @@ def createTree(dataSet, leafType=regLeaf, errType=regErr, ops=(1, 4)):
|
||||
retTree = {}
|
||||
retTree['spInd'] = feat
|
||||
retTree['spVal'] = val
|
||||
# 大于在右边，小于在左边
|
||||
lSet, rSet = binSplitDataSet(dataSet, feat, val)
|
||||
retTree['right'] = createTree(lSet, leafType, errType, ops)
|
||||
retTree['left'] = createTree(rSet, leafType, errType, ops)
|
||||
# 递归的进行调用
|
||||
retTree['left'] = createTree(lSet, leafType, errType, ops)
|
||||
retTree['right'] = createTree(rSet, leafType, errType, ops)
|
||||
return retTree
|
||||
|
||||
|
||||
def linearSolve(dataSet): #helper function used in two places
|
||||
m,n = shape(dataSet)
|
||||
X = mat(ones((m,n))); Y = mat(ones((m,1)))#create a copy of data with 1 in 0th postion
|
||||
X[:,1:n] = dataSet[:,0:n-1]; Y = dataSet[:,-1]#and strip out Y
|
||||
xTx = X.T*X
|
||||
if linalg.det(xTx) == 0.0:
|
||||
raise NameError('This matrix is singular, cannot do inverse,\n\
|
||||
try increasing the second value of ops')
|
||||
ws = xTx.I * (X.T * Y)
|
||||
return ws,X,Y
|
||||
|
||||
def modelLeaf(dataSet):#create linear model and return coeficients
|
||||
ws,X,Y = linearSolve(dataSet)
|
||||
return ws
|
||||
|
||||
def modelErr(dataSet):
|
||||
ws,X,Y = linearSolve(dataSet)
|
||||
yHat = X * ws
|
||||
return sum(power(Y - yHat,2))
|
||||
|
||||
|
||||
|
||||
# 判断节点是否是一个字典
|
||||
def isTree(obj):
|
||||
return (type(obj).__name__=='dict')
|
||||
return (type(obj).__name__ == 'dict')
|
||||
|
||||
|
||||
# 计算左右枝丫的均值
|
||||
def getMean(tree):
|
||||
if isTree(tree['right']): tree['right'] = getMean(tree['right'])
|
||||
if isTree(tree['left']): tree['left'] = getMean(tree['left'])
|
||||
if isTree(tree['right']):
|
||||
tree['right'] = getMean(tree['right'])
|
||||
if isTree(tree['left']):
|
||||
tree['left'] = getMean(tree['left'])
|
||||
return (tree['left']+tree['right'])/2.0
|
||||
|
||||
|
||||
|
||||
# 检查是否适合合并分枝
|
||||
def prune(tree, testData):
|
||||
if shape(testData)[0] == 0: return getMean(tree) #if we have no test data collapse the tree
|
||||
if (isTree(tree['right']) or isTree(tree['left'])):#if the branches are not trees try to prune them
|
||||
# 判断是否测试数据集没有数据
|
||||
if shape(testData)[0] == 0:
|
||||
return getMean(tree)
|
||||
# 对测试进行分支，看属于哪只分支，然后返回tree结果的均值
|
||||
if (isTree(tree['right']) or isTree(tree['left'])):
|
||||
lSet, rSet = binSplitDataSet(testData, tree['spInd'], tree['spVal'])
|
||||
if isTree(tree['left']): tree['left'] = prune(tree['left'], lSet)
|
||||
if isTree(tree['right']): tree['right'] = prune(tree['right'], rSet)
|
||||
#if they are now both leafs, see if we can merge them
|
||||
if isTree(tree['left']):
|
||||
tree['left'] = prune(tree['left'], lSet)
|
||||
if isTree(tree['right']):
|
||||
tree['right'] = prune(tree['right'], rSet)
|
||||
|
||||
# 如果左右两边无子分支，那么计算一下总方差 和 该结果集的本身不分枝的总方差比较
|
||||
# 1.如果测试数据集足够大，将tree进行分支到最后
|
||||
# 2.如果测试数据集不够大，那么就无法进行合并
|
||||
# 注意返回的结果： 是合并后对原来为字典tree进行赋值，相当于进行了合并
|
||||
if not isTree(tree['left']) and not isTree(tree['right']):
|
||||
lSet, rSet = binSplitDataSet(testData, tree['spInd'], tree['spVal'])
|
||||
errorNoMerge = sum(power(lSet[:,-1] - tree['left'],2)) +\
|
||||
sum(power(rSet[:,-1] - tree['right'],2))
|
||||
treeMean = (tree['left']+tree['right'])/2.0
|
||||
errorMerge = sum(power(testData[:,-1] - treeMean,2))
|
||||
if errorMerge < errorNoMerge:
|
||||
# power(x, y)表示x的y次方
|
||||
errorNoMerge = sum(power(lSet[:, -1] - tree['left'], 2)) + sum(power(rSet[:, -1] - tree['right'], 2))
|
||||
treeMean = (tree['left'] + tree['right'])/2.0
|
||||
errorMerge = sum(power(testData[:, -1] - treeMean, 2))
|
||||
# 如果 合并的总方差 < 不合并的总方差，那么就进行合并
|
||||
if errorMerge < errorNoMerge:
|
||||
print "merging"
|
||||
return treeMean
|
||||
else: return tree
|
||||
else: return tree
|
||||
|
||||
else:
|
||||
return tree
|
||||
else:
|
||||
return tree
|
||||
|
||||
|
||||
# 得到模型的ws系数：f(x) = x0 + x1*featrue1+ x3*featrue2 ...
|
||||
# create linear model and return coeficients
|
||||
def modelLeaf(dataSet):
|
||||
ws, X, Y = linearSolve(dataSet)
|
||||
return ws
|
||||
|
||||
|
||||
# 计算线性模型的误差值
|
||||
def modelErr(dataSet):
|
||||
ws, X, Y = linearSolve(dataSet)
|
||||
yHat = X * ws
|
||||
# print corrcoef(yHat, Y, rowvar=0)
|
||||
return sum(power(Y - yHat, 2))
|
||||
|
||||
|
||||
# helper function used in two places
|
||||
def linearSolve(dataSet):
|
||||
m, n = shape(dataSet)
|
||||
# 产生一个关于1的矩阵
|
||||
X = mat(ones((m, n)))
|
||||
Y = mat(ones((m, 1)))
|
||||
# X的0列为1，常数项，用于计算平衡误差
|
||||
X[:, 1: n] = dataSet[:, 0: n-1]
|
||||
Y = dataSet[:, -1]
|
||||
|
||||
# 转置矩阵*矩阵
|
||||
xTx = X.T * X
|
||||
# 如果矩阵的逆不存在，会造成程序异常
|
||||
if linalg.det(xTx) == 0.0:
|
||||
raise NameError('This matrix is singular, cannot do inverse,\ntry increasing the second value of ops')
|
||||
# 最小二乘法求最优解
|
||||
ws = xTx.I * (X.T * Y)
|
||||
return ws, X, Y
|
||||
|
||||
|
||||
# 回归树测试案例
|
||||
def regTreeEval(model, inDat):
|
||||
return float(model)
|
||||
|
||||
|
||||
# 模型树测试案例
|
||||
def modelTreeEval(model, inDat):
|
||||
n = shape(inDat)[1]
|
||||
X = mat(ones((1,n+1)))
|
||||
X[:,1:n+1]=inDat
|
||||
return float(X*model)
|
||||
X = mat(ones((1, n+1)))
|
||||
X[:, 1: n+1] = inDat
|
||||
# print X, model
|
||||
return float(X * model)
|
||||
|
||||
|
||||
# 计算预测的结果
|
||||
def treeForeCast(tree, inData, modelEval=regTreeEval):
|
||||
if not isTree(tree): return modelEval(tree, inData)
|
||||
if inData[tree['spInd']] > tree['spVal']:
|
||||
if isTree(tree['left']): return treeForeCast(tree['left'], inData, modelEval)
|
||||
else: return modelEval(tree['left'], inData)
|
||||
if not isTree(tree):
|
||||
return modelEval(tree, inData)
|
||||
if inData[tree['spInd']] <= tree['spVal']:
|
||||
if isTree(tree['left']):
|
||||
return treeForeCast(tree['left'], inData, modelEval)
|
||||
else:
|
||||
return modelEval(tree['left'], inData)
|
||||
else:
|
||||
if isTree(tree['right']): return treeForeCast(tree['right'], inData, modelEval)
|
||||
else: return modelEval(tree['right'], inData)
|
||||
|
||||
if isTree(tree['right']):
|
||||
return treeForeCast(tree['right'], inData, modelEval)
|
||||
else:
|
||||
return modelEval(tree['right'], inData)
|
||||
|
||||
|
||||
# 预测结果
|
||||
def createForeCast(tree, testData, modelEval=regTreeEval):
|
||||
m=len(testData)
|
||||
yHat = mat(zeros((m,1)))
|
||||
m = len(testData)
|
||||
yHat = mat(zeros((m, 1)))
|
||||
for i in range(m):
|
||||
yHat[i,0] = treeForeCast(tree, mat(testData[i]), modelEval)
|
||||
yHat[i, 0] = treeForeCast(tree, mat(testData[i]), modelEval)
|
||||
return yHat
|
||||
|
||||
|
||||
if __name__ == "__main__":
|
||||
|
||||
|
||||
# # 测试数据集
|
||||
# testMat = mat(eye(4))
|
||||
# print testMat
|
||||
@@ -224,9 +273,52 @@ if __name__ == "__main__":
|
||||
# mat0, mat1 = binSplitDataSet(testMat, 1, 0.5)
|
||||
# print mat0, '\n-----------\n', mat1
|
||||
|
||||
# 获取数据集
|
||||
# 回归树
|
||||
# myDat = loadDataSet('testData/RT_data1.txt')
|
||||
myDat = loadDataSet('testData/RT_data2.txt')
|
||||
myMat = mat(myDat)
|
||||
myTree = createTree(myMat)
|
||||
print myTree
|
||||
# myDat = loadDataSet('testData/RT_data2.txt')
|
||||
# myMat = mat(myDat)
|
||||
# myTree = createTree(myMat)
|
||||
|
||||
# 1. 预剪枝就是，提起设置最大误差数和最少元素数
|
||||
# myDat = loadDataSet('testData/RT_data3.txt')
|
||||
# myMat = mat(myDat)
|
||||
# myTree = createTree(myMat, ops=(0, 1))
|
||||
# print myTree
|
||||
|
||||
# 2.后剪枝
|
||||
# myDatTest = loadDataSet('testData/RT_data3test.txt')
|
||||
# myMat2Test = mat(myDatTest)
|
||||
# myFinalTree = prune(myTree, myMat2Test)
|
||||
# print '\n\n\n-------------------'
|
||||
# print myFinalTree
|
||||
|
||||
# --------
|
||||
# 模型树求解
|
||||
# myDat = loadDataSet('testData/RT_data4.txt')
|
||||
# myMat = mat(myDat)
|
||||
# myTree = createTree(myMat, modelLeaf, modelErr)
|
||||
# print myTree
|
||||
|
||||
# 回归树 VS 模型树 VS 线性回归
|
||||
trainMat = mat(loadDataSet('testData/RT_bikeSpeedVsIq_train.txt'))
|
||||
testMat = mat(loadDataSet('testData/RT_bikeSpeedVsIq_test.txt'))
|
||||
# 回归树
|
||||
myTree1 = createTree(trainMat, ops=(1, 20))
|
||||
print myTree1
|
||||
yHat1 = createForeCast(myTree1, testMat[:, 0])
|
||||
print "回归树:", corrcoef(yHat1, testMat[:, 1],rowvar=0)[0, 1]
|
||||
|
||||
# 模型树
|
||||
myTree2 = createTree(trainMat, modelLeaf, modelErr, ops=(1, 20))
|
||||
yHat2 = createForeCast(myTree2, testMat[:, 0], modelTreeEval)
|
||||
print myTree2
|
||||
print "模型树:", corrcoef(yHat2, testMat[:, 1],rowvar=0)[0, 1]
|
||||
|
||||
# 线性回归
|
||||
ws, X, Y = linearSolve(trainMat)
|
||||
print ws
|
||||
m = len(testMat[:, 0])
|
||||
yHat3 = mat(zeros((m, 1)))
|
||||
for i in range(shape(testMat)[0]):
|
||||
yHat3[i] = testMat[i, 0]*ws[1, 0] + ws[0, 0]
|
||||
print "线性回归:", corrcoef(yHat3, testMat[:, 1],rowvar=0)[0, 1]
|
||||
|
||||
@@ -11,6 +11,7 @@ import os
|
||||
from numpy import *
|
||||
import matplotlib.pylab as plt
|
||||
|
||||
|
||||
def loadDataSet(fileName): #general function to parse tab -delimited floats
|
||||
numFeat = len(open(fileName).readline().split('\t')) - 1 #get number of fields
|
||||
dataMat = []; labelMat = []
|
||||
@@ -24,6 +25,7 @@ def loadDataSet(fileName): #general function to parse tab -delimited floats
|
||||
labelMat.append(float(curLine[-1]))
|
||||
return dataMat,labelMat
|
||||
|
||||
|
||||
def standRegres(xArr,yArr):
|
||||
# >>> A.T # transpose, 转置
|
||||
xMat = mat(xArr); yMat = mat(yArr).T
|
||||
@@ -37,6 +39,7 @@ def standRegres(xArr,yArr):
|
||||
ws = xTx.I * (xMat.T*yMat) # 最小二乘法求最优解
|
||||
return ws
|
||||
|
||||
|
||||
def plotBestFit(xArr, yArr, ws):
|
||||
|
||||
xMat = mat(xArr)
|
||||
@@ -60,6 +63,7 @@ def plotBestFit(xArr, yArr, ws):
|
||||
plt.xlabel('X'); plt.ylabel('Y')
|
||||
plt.show()
|
||||
|
||||
|
||||
def main1():
|
||||
# w0*x0+w1*x1+w2*x2=f(x)
|
||||
project_dir = os.path.dirname(os.path.dirname(os.getcwd()))
|
||||
@@ -91,6 +95,7 @@ def lwlr(testPoint, xArr, yArr,k=1.0):
|
||||
ws = xTx.I * (xMat.T * (weights * yMat))
|
||||
return testPoint * ws
|
||||
|
||||
|
||||
def lwlrTest(testArr,xArr,yArr,k=1.0): #loops over all the data points and applies lwlr to each one
|
||||
m = shape(testArr)[0]
|
||||
# m*1的矩阵
|
||||
@@ -101,6 +106,7 @@ def lwlrTest(testArr,xArr,yArr,k=1.0): #loops over all the data points and appl
|
||||
yHat[i] = lwlr(testArr[i],xArr,yArr,k)
|
||||
return yHat
|
||||
|
||||
|
||||
def lwlrTestPlot(xArr, yArr, yHat):
|
||||
|
||||
xMat = mat(xArr)
|
||||
@@ -123,11 +129,13 @@ def lwlrTestPlot(xArr, yArr, yHat):
|
||||
plt.xlabel('X'); plt.ylabel('Y')
|
||||
plt.show()
|
||||
|
||||
|
||||
def main2():
|
||||
# w0*x0+w1*x1+w2*x2=f(x)
|
||||
project_dir = os.path.dirname(os.path.dirname(os.getcwd()))
|
||||
# project_dir = os.path.dirname(os.path.dirname(os.getcwd()))
|
||||
# 1.收集并准备数据
|
||||
xArr, yArr = loadDataSet("%s/resources/ex0.txt" % project_dir)
|
||||
# xArr, yArr = loadDataSet("%s/resources/ex0.txt" % project_dir)
|
||||
xArr, yArr = loadDataSet("testData/Regression_data.txt")
|
||||
# print xArr, '---\n', yArr
|
||||
# 2.训练模型， f(x)=a1*x1+b2*x2+..+nn*xn中 (a1,b2, .., nn).T的矩阵值
|
||||
yHat = lwlrTest(xArr, xArr, yArr, 0.003)
|
||||
@@ -136,12 +144,14 @@ def main2():
|
||||
# 数据可视化
|
||||
lwlrTestPlot(xArr, yArr, yHat)
|
||||
|
||||
if __name__=="__main__":
|
||||
|
||||
if __name__ == "__main__":
|
||||
# 线性回归
|
||||
# main1()
|
||||
# 局部加权线性回归
|
||||
main2()
|
||||
|
||||
|
||||
def rssError(yArr,yHatArr): #yArr and yHatArr both need to be arrays
|
||||
return ((yArr-yHatArr)**2).sum()
|
||||
|
||||
|
||||
200
testData/RT_bikeSpeedVsIq_test.txt
Executable file
200
testData/RT_bikeSpeedVsIq_test.txt
Executable file
@@ -0,0 +1,200 @@
|
||||
12.000000 121.010516
|
||||
19.000000 157.337044
|
||||
12.000000 116.031825
|
||||
15.000000 132.124872
|
||||
2.000000 52.719612
|
||||
6.000000 39.058368
|
||||
3.000000 50.757763
|
||||
20.000000 166.740333
|
||||
11.000000 115.808227
|
||||
21.000000 165.582995
|
||||
3.000000 41.956087
|
||||
3.000000 34.432370
|
||||
13.000000 116.954676
|
||||
1.000000 32.112553
|
||||
7.000000 50.380243
|
||||
7.000000 94.107791
|
||||
23.000000 188.943179
|
||||
18.000000 152.637773
|
||||
9.000000 104.122082
|
||||
18.000000 127.805226
|
||||
0.000000 83.083232
|
||||
15.000000 148.180104
|
||||
3.000000 38.480247
|
||||
8.000000 77.597839
|
||||
7.000000 75.625803
|
||||
11.000000 124.620208
|
||||
13.000000 125.186698
|
||||
5.000000 51.165922
|
||||
3.000000 31.179113
|
||||
15.000000 132.505727
|
||||
19.000000 137.978043
|
||||
9.000000 106.481123
|
||||
20.000000 172.149955
|
||||
11.000000 104.116556
|
||||
4.000000 22.457996
|
||||
20.000000 175.735047
|
||||
18.000000 165.350412
|
||||
22.000000 177.461724
|
||||
16.000000 138.672986
|
||||
17.000000 156.791788
|
||||
19.000000 150.327544
|
||||
19.000000 156.992196
|
||||
23.000000 163.624262
|
||||
8.000000 92.537227
|
||||
3.000000 32.341399
|
||||
16.000000 144.445614
|
||||
11.000000 119.985586
|
||||
16.000000 145.149335
|
||||
12.000000 113.284662
|
||||
5.000000 47.742716
|
||||
11.000000 115.852585
|
||||
3.000000 31.579325
|
||||
1.000000 43.758671
|
||||
1.000000 61.049125
|
||||
13.000000 132.751826
|
||||
23.000000 163.233087
|
||||
12.000000 115.134296
|
||||
8.000000 91.370839
|
||||
8.000000 86.137955
|
||||
14.000000 120.857934
|
||||
3.000000 33.777477
|
||||
10.000000 110.831763
|
||||
10.000000 104.174775
|
||||
20.000000 155.920696
|
||||
4.000000 30.619132
|
||||
0.000000 71.880474
|
||||
7.000000 86.399516
|
||||
7.000000 72.632906
|
||||
5.000000 58.632985
|
||||
18.000000 143.584511
|
||||
23.000000 187.059504
|
||||
6.000000 65.067119
|
||||
6.000000 69.110280
|
||||
19.000000 142.388056
|
||||
15.000000 137.174489
|
||||
21.000000 159.719092
|
||||
9.000000 102.179638
|
||||
20.000000 176.416294
|
||||
21.000000 146.516385
|
||||
18.000000 147.808343
|
||||
23.000000 154.790810
|
||||
16.000000 137.385285
|
||||
18.000000 166.885975
|
||||
15.000000 136.989000
|
||||
20.000000 144.668679
|
||||
14.000000 137.060671
|
||||
19.000000 140.468283
|
||||
11.000000 98.344084
|
||||
16.000000 132.497910
|
||||
1.000000 59.143101
|
||||
20.000000 152.299381
|
||||
13.000000 134.487271
|
||||
0.000000 77.805718
|
||||
3.000000 28.543764
|
||||
10.000000 97.751817
|
||||
4.000000 41.223659
|
||||
11.000000 110.017015
|
||||
12.000000 119.391386
|
||||
20.000000 158.872126
|
||||
2.000000 38.776222
|
||||
19.000000 150.496148
|
||||
15.000000 131.505967
|
||||
22.000000 179.856157
|
||||
13.000000 143.090102
|
||||
14.000000 142.611861
|
||||
13.000000 120.757410
|
||||
4.000000 27.929324
|
||||
16.000000 151.530849
|
||||
15.000000 148.149702
|
||||
5.000000 44.188084
|
||||
16.000000 141.135406
|
||||
12.000000 119.817665
|
||||
8.000000 80.991524
|
||||
3.000000 29.308640
|
||||
6.000000 48.203468
|
||||
8.000000 92.179834
|
||||
22.000000 162.720371
|
||||
10.000000 91.971158
|
||||
2.000000 33.481943
|
||||
8.000000 88.528612
|
||||
1.000000 54.042173
|
||||
8.000000 92.002928
|
||||
5.000000 45.614646
|
||||
3.000000 34.319635
|
||||
14.000000 129.140558
|
||||
17.000000 146.807901
|
||||
17.000000 157.694058
|
||||
4.000000 37.080929
|
||||
20.000000 169.942381
|
||||
10.000000 114.675638
|
||||
5.000000 34.913029
|
||||
14.000000 137.889747
|
||||
0.000000 79.043129
|
||||
16.000000 139.084390
|
||||
6.000000 53.340135
|
||||
13.000000 142.772612
|
||||
0.000000 73.103173
|
||||
3.000000 37.717487
|
||||
15.000000 134.116395
|
||||
18.000000 138.748257
|
||||
23.000000 180.779121
|
||||
10.000000 93.721894
|
||||
23.000000 166.958335
|
||||
6.000000 74.473589
|
||||
6.000000 73.006291
|
||||
3.000000 34.178656
|
||||
1.000000 33.395482
|
||||
22.000000 149.933384
|
||||
18.000000 154.858982
|
||||
6.000000 66.121084
|
||||
1.000000 60.816800
|
||||
5.000000 55.681020
|
||||
6.000000 61.251558
|
||||
15.000000 125.452206
|
||||
16.000000 134.310255
|
||||
19.000000 167.999681
|
||||
5.000000 40.074830
|
||||
22.000000 162.658997
|
||||
12.000000 109.473909
|
||||
4.000000 44.743405
|
||||
11.000000 122.419496
|
||||
14.000000 139.852014
|
||||
21.000000 160.045407
|
||||
15.000000 131.999358
|
||||
15.000000 135.577799
|
||||
20.000000 173.494629
|
||||
8.000000 82.497177
|
||||
12.000000 123.122032
|
||||
10.000000 97.592026
|
||||
16.000000 141.345706
|
||||
8.000000 79.588881
|
||||
3.000000 54.308878
|
||||
4.000000 36.112937
|
||||
19.000000 165.005336
|
||||
23.000000 172.198031
|
||||
15.000000 127.699625
|
||||
1.000000 47.305217
|
||||
13.000000 115.489379
|
||||
8.000000 103.956569
|
||||
4.000000 53.669477
|
||||
0.000000 76.220652
|
||||
12.000000 114.153306
|
||||
6.000000 74.608728
|
||||
3.000000 41.339299
|
||||
5.000000 21.944048
|
||||
22.000000 181.455655
|
||||
20.000000 171.691444
|
||||
10.000000 104.299002
|
||||
21.000000 168.307123
|
||||
20.000000 169.556523
|
||||
23.000000 175.960552
|
||||
1.000000 42.554778
|
||||
14.000000 137.286185
|
||||
16.000000 136.126561
|
||||
12.000000 119.269042
|
||||
6.000000 63.426977
|
||||
4.000000 27.728212
|
||||
4.000000 32.687588
|
||||
23.000000 151.153204
|
||||
15.000000 129.767331
|
||||
200
testData/RT_bikeSpeedVsIq_train.txt
Executable file
200
testData/RT_bikeSpeedVsIq_train.txt
Executable file
@@ -0,0 +1,200 @@
|
||||
3.000000 46.852122
|
||||
23.000000 178.676107
|
||||
0.000000 86.154024
|
||||
6.000000 68.707614
|
||||
15.000000 139.737693
|
||||
17.000000 141.988903
|
||||
12.000000 94.477135
|
||||
8.000000 86.083788
|
||||
9.000000 97.265824
|
||||
7.000000 80.400027
|
||||
8.000000 83.414554
|
||||
1.000000 52.525471
|
||||
16.000000 127.060008
|
||||
9.000000 101.639269
|
||||
14.000000 146.412680
|
||||
15.000000 144.157101
|
||||
17.000000 152.699910
|
||||
19.000000 136.669023
|
||||
21.000000 166.971736
|
||||
21.000000 165.467251
|
||||
3.000000 38.455193
|
||||
6.000000 75.557721
|
||||
4.000000 22.171763
|
||||
5.000000 50.321915
|
||||
0.000000 74.412428
|
||||
5.000000 42.052392
|
||||
1.000000 42.489057
|
||||
14.000000 139.185416
|
||||
21.000000 140.713725
|
||||
5.000000 63.222944
|
||||
5.000000 56.294626
|
||||
9.000000 91.674826
|
||||
22.000000 173.497655
|
||||
17.000000 152.692482
|
||||
9.000000 113.920633
|
||||
1.000000 51.552411
|
||||
9.000000 100.075315
|
||||
16.000000 137.803868
|
||||
18.000000 135.925777
|
||||
3.000000 45.550762
|
||||
16.000000 149.933224
|
||||
2.000000 27.914173
|
||||
6.000000 62.103546
|
||||
20.000000 173.942381
|
||||
12.000000 119.200505
|
||||
6.000000 70.730214
|
||||
16.000000 156.260832
|
||||
15.000000 132.467643
|
||||
19.000000 161.164086
|
||||
17.000000 138.031844
|
||||
23.000000 169.747881
|
||||
11.000000 116.761920
|
||||
4.000000 34.305905
|
||||
6.000000 68.841160
|
||||
10.000000 119.535227
|
||||
20.000000 158.104763
|
||||
18.000000 138.390511
|
||||
5.000000 59.375794
|
||||
7.000000 80.802300
|
||||
11.000000 108.611485
|
||||
10.000000 91.169028
|
||||
15.000000 154.104819
|
||||
5.000000 51.100287
|
||||
3.000000 32.334330
|
||||
15.000000 150.551655
|
||||
10.000000 111.023073
|
||||
0.000000 87.489950
|
||||
2.000000 46.726299
|
||||
7.000000 92.540440
|
||||
15.000000 135.715438
|
||||
19.000000 152.960552
|
||||
19.000000 162.789223
|
||||
21.000000 167.176240
|
||||
22.000000 164.323358
|
||||
12.000000 104.823071
|
||||
1.000000 35.554328
|
||||
11.000000 114.784640
|
||||
1.000000 36.819570
|
||||
12.000000 130.266826
|
||||
12.000000 126.053312
|
||||
18.000000 153.378289
|
||||
7.000000 70.089159
|
||||
15.000000 139.528624
|
||||
19.000000 157.137999
|
||||
23.000000 183.595248
|
||||
7.000000 73.431043
|
||||
11.000000 128.176167
|
||||
22.000000 183.181247
|
||||
13.000000 112.685801
|
||||
18.000000 161.634783
|
||||
6.000000 63.169478
|
||||
7.000000 63.393975
|
||||
19.000000 165.779578
|
||||
14.000000 143.973398
|
||||
22.000000 185.131852
|
||||
3.000000 45.275591
|
||||
6.000000 62.018003
|
||||
0.000000 83.193398
|
||||
7.000000 76.847802
|
||||
19.000000 147.087386
|
||||
7.000000 62.812086
|
||||
1.000000 49.910068
|
||||
11.000000 102.169335
|
||||
11.000000 105.108121
|
||||
6.000000 63.429817
|
||||
12.000000 121.301542
|
||||
17.000000 163.253962
|
||||
13.000000 119.588698
|
||||
0.000000 87.333807
|
||||
20.000000 144.484066
|
||||
21.000000 168.792482
|
||||
23.000000 159.751246
|
||||
20.000000 162.843592
|
||||
14.000000 145.664069
|
||||
19.000000 146.838515
|
||||
12.000000 132.049377
|
||||
18.000000 155.756119
|
||||
22.000000 155.686345
|
||||
7.000000 73.913958
|
||||
1.000000 66.761881
|
||||
7.000000 65.855450
|
||||
6.000000 56.271026
|
||||
19.000000 155.308523
|
||||
12.000000 124.372873
|
||||
17.000000 136.025960
|
||||
14.000000 132.996861
|
||||
21.000000 172.639791
|
||||
17.000000 135.672594
|
||||
8.000000 90.323742
|
||||
5.000000 62.462698
|
||||
16.000000 159.048794
|
||||
14.000000 139.991227
|
||||
3.000000 37.026678
|
||||
9.000000 100.839901
|
||||
9.000000 93.097395
|
||||
15.000000 123.645221
|
||||
15.000000 147.327185
|
||||
1.000000 40.055830
|
||||
0.000000 88.192829
|
||||
17.000000 139.174517
|
||||
22.000000 169.354493
|
||||
17.000000 136.354272
|
||||
9.000000 90.692829
|
||||
7.000000 63.987997
|
||||
14.000000 128.972231
|
||||
10.000000 108.433394
|
||||
2.000000 49.321034
|
||||
19.000000 171.615671
|
||||
9.000000 97.894855
|
||||
0.000000 68.962453
|
||||
9.000000 72.063371
|
||||
22.000000 157.000070
|
||||
12.000000 114.461754
|
||||
6.000000 58.239465
|
||||
9.000000 104.601048
|
||||
8.000000 90.772359
|
||||
22.000000 164.428791
|
||||
5.000000 34.804083
|
||||
5.000000 37.089459
|
||||
22.000000 177.987605
|
||||
10.000000 89.439608
|
||||
6.000000 70.711362
|
||||
23.000000 181.731482
|
||||
20.000000 151.538932
|
||||
7.000000 66.067228
|
||||
6.000000 61.565125
|
||||
20.000000 184.441687
|
||||
9.000000 91.569158
|
||||
9.000000 98.833425
|
||||
17.000000 144.352866
|
||||
9.000000 94.498314
|
||||
15.000000 121.922732
|
||||
18.000000 166.408274
|
||||
10.000000 89.571299
|
||||
8.000000 75.373772
|
||||
22.000000 161.001478
|
||||
8.000000 90.594227
|
||||
5.000000 57.180933
|
||||
20.000000 161.643007
|
||||
8.000000 87.197370
|
||||
8.000000 95.584308
|
||||
15.000000 126.207221
|
||||
7.000000 84.528209
|
||||
18.000000 161.056986
|
||||
10.000000 86.762615
|
||||
1.000000 33.325906
|
||||
9.000000 105.095502
|
||||
2.000000 22.440421
|
||||
9.000000 93.449284
|
||||
14.000000 106.249595
|
||||
21.000000 163.254385
|
||||
22.000000 161.746628
|
||||
20.000000 152.973085
|
||||
17.000000 122.918987
|
||||
7.000000 58.536412
|
||||
1.000000 45.013277
|
||||
13.000000 137.294148
|
||||
10.000000 88.123737
|
||||
2.000000 45.847376
|
||||
20.000000 163.385797
|
||||
200
testData/RT_data3.txt
Executable file
200
testData/RT_data3.txt
Executable file
@@ -0,0 +1,200 @@
|
||||
0.228628 -2.266273
|
||||
0.965969 112.386764
|
||||
0.342761 -31.584855
|
||||
0.901444 87.300625
|
||||
0.585413 125.295113
|
||||
0.334900 18.976650
|
||||
0.769043 64.041941
|
||||
0.297107 -1.798377
|
||||
0.901421 100.133819
|
||||
0.176523 0.946348
|
||||
0.710234 108.553919
|
||||
0.981980 86.399637
|
||||
0.085873 -10.137104
|
||||
0.537834 90.995536
|
||||
0.806158 62.877698
|
||||
0.708890 135.416767
|
||||
0.787755 118.642009
|
||||
0.463241 17.171057
|
||||
0.300318 -18.051318
|
||||
0.815215 118.319942
|
||||
0.139880 7.336784
|
||||
0.068373 -15.160836
|
||||
0.457563 -34.044555
|
||||
0.665652 105.547997
|
||||
0.084661 -24.132226
|
||||
0.954711 100.935789
|
||||
0.953902 130.926480
|
||||
0.487381 27.729263
|
||||
0.759504 81.106762
|
||||
0.454312 -20.360067
|
||||
0.295993 -14.988279
|
||||
0.156067 7.557349
|
||||
0.428582 15.224266
|
||||
0.847219 76.240984
|
||||
0.499171 11.924204
|
||||
0.203993 -22.379119
|
||||
0.548539 83.114502
|
||||
0.790312 110.159730
|
||||
0.937766 119.949824
|
||||
0.218321 1.410768
|
||||
0.223200 15.501642
|
||||
0.896683 107.001620
|
||||
0.582311 82.589328
|
||||
0.698920 92.470636
|
||||
0.823848 59.342323
|
||||
0.385021 24.816941
|
||||
0.061219 6.695567
|
||||
0.841547 115.669032
|
||||
0.763328 115.199195
|
||||
0.934853 115.753994
|
||||
0.222271 -9.255852
|
||||
0.217214 -3.958752
|
||||
0.706961 106.180427
|
||||
0.888426 94.896354
|
||||
0.549814 137.267576
|
||||
0.107960 -1.293195
|
||||
0.085111 37.820659
|
||||
0.388789 21.578007
|
||||
0.467383 -9.712925
|
||||
0.623909 87.181863
|
||||
0.373501 -8.228297
|
||||
0.513332 101.075609
|
||||
0.350725 -40.086564
|
||||
0.716211 103.345308
|
||||
0.731636 73.912028
|
||||
0.273863 -9.457556
|
||||
0.211633 -8.332207
|
||||
0.944221 100.120253
|
||||
0.053764 -13.731698
|
||||
0.126833 22.891675
|
||||
0.952833 100.649591
|
||||
0.391609 3.001104
|
||||
0.560301 82.903945
|
||||
0.124723 -1.402796
|
||||
0.465680 -23.777531
|
||||
0.699873 115.586605
|
||||
0.164134 -27.405211
|
||||
0.455761 9.841938
|
||||
0.508542 96.403373
|
||||
0.138619 -29.087463
|
||||
0.335182 2.768225
|
||||
0.908629 118.513475
|
||||
0.546601 96.319043
|
||||
0.378965 13.583555
|
||||
0.968621 98.648346
|
||||
0.637999 91.656617
|
||||
0.350065 -1.319852
|
||||
0.632691 93.645293
|
||||
0.936524 65.548418
|
||||
0.310956 -49.939516
|
||||
0.437652 19.745224
|
||||
0.166765 -14.740059
|
||||
0.571214 114.872056
|
||||
0.952377 73.520802
|
||||
0.665329 121.980607
|
||||
0.258070 -20.425137
|
||||
0.912161 85.005351
|
||||
0.777582 100.838446
|
||||
0.642707 82.500766
|
||||
0.885676 108.045948
|
||||
0.080061 2.229873
|
||||
0.039914 11.220099
|
||||
0.958512 135.837013
|
||||
0.377383 5.241196
|
||||
0.661073 115.687524
|
||||
0.454375 3.043912
|
||||
0.412516 -26.419289
|
||||
0.854970 89.209930
|
||||
0.698472 120.521925
|
||||
0.465561 30.051931
|
||||
0.328890 39.783113
|
||||
0.309133 8.814725
|
||||
0.418943 44.161493
|
||||
0.553797 120.857321
|
||||
0.799873 91.368473
|
||||
0.811363 112.981216
|
||||
0.785574 107.024467
|
||||
0.949198 105.752508
|
||||
0.666452 120.014736
|
||||
0.652462 112.715799
|
||||
0.290749 -14.391613
|
||||
0.508548 93.292829
|
||||
0.680486 110.367074
|
||||
0.356790 -19.526539
|
||||
0.199903 -3.372472
|
||||
0.264926 5.280579
|
||||
0.166431 -6.512506
|
||||
0.370042 -32.124495
|
||||
0.628061 117.628346
|
||||
0.228473 19.425158
|
||||
0.044737 3.855393
|
||||
0.193282 18.208423
|
||||
0.519150 116.176162
|
||||
0.351478 -0.461116
|
||||
0.872199 111.552716
|
||||
0.115150 13.795828
|
||||
0.324274 -13.189243
|
||||
0.446196 -5.108172
|
||||
0.613004 168.180746
|
||||
0.533511 129.766743
|
||||
0.740859 93.773929
|
||||
0.667851 92.449664
|
||||
0.900699 109.188248
|
||||
0.599142 130.378529
|
||||
0.232802 1.222318
|
||||
0.838587 134.089674
|
||||
0.284794 35.623746
|
||||
0.130626 -39.524461
|
||||
0.642373 140.613941
|
||||
0.786865 100.598825
|
||||
0.403228 -1.729244
|
||||
0.883615 95.348184
|
||||
0.910975 106.814667
|
||||
0.819722 70.054508
|
||||
0.798198 76.853728
|
||||
0.606417 93.521396
|
||||
0.108801 -16.106164
|
||||
0.318309 -27.605424
|
||||
0.856421 107.166848
|
||||
0.842940 95.893131
|
||||
0.618868 76.917665
|
||||
0.531944 124.795495
|
||||
0.028546 -8.377094
|
||||
0.915263 96.717610
|
||||
0.925782 92.074619
|
||||
0.624827 105.970743
|
||||
0.331364 -1.290825
|
||||
0.341700 -23.547711
|
||||
0.342155 -16.930416
|
||||
0.729397 110.902830
|
||||
0.640515 82.713621
|
||||
0.228751 -30.812912
|
||||
0.948822 69.318649
|
||||
0.706390 105.062147
|
||||
0.079632 29.420068
|
||||
0.451087 -28.724685
|
||||
0.833026 76.723835
|
||||
0.589806 98.674874
|
||||
0.426711 -21.594268
|
||||
0.872883 95.887712
|
||||
0.866451 94.402102
|
||||
0.960398 123.559747
|
||||
0.483803 5.224234
|
||||
0.811602 99.841379
|
||||
0.757527 63.549854
|
||||
0.569327 108.435392
|
||||
0.841625 60.552308
|
||||
0.264639 2.557923
|
||||
0.202161 -1.983889
|
||||
0.055862 -3.131497
|
||||
0.543843 98.362010
|
||||
0.689099 112.378209
|
||||
0.956951 82.016541
|
||||
0.382037 -29.007783
|
||||
0.131833 22.478291
|
||||
0.156273 0.225886
|
||||
0.000256 9.668106
|
||||
0.892999 82.436686
|
||||
0.206207 -12.619036
|
||||
0.487537 5.149336
|
||||
200
testData/RT_data3test.txt
Executable file
200
testData/RT_data3test.txt
Executable file
@@ -0,0 +1,200 @@
|
||||
0.421862 10.830241
|
||||
0.105349 -2.241611
|
||||
0.155196 21.872976
|
||||
0.161152 2.015418
|
||||
0.382632 -38.778979
|
||||
0.017710 20.109113
|
||||
0.129656 15.266887
|
||||
0.613926 111.900063
|
||||
0.409277 1.874731
|
||||
0.807556 111.223754
|
||||
0.593722 133.835486
|
||||
0.953239 110.465070
|
||||
0.257402 15.332899
|
||||
0.645385 93.983054
|
||||
0.563460 93.645277
|
||||
0.408338 -30.719878
|
||||
0.874394 91.873505
|
||||
0.263805 -0.192752
|
||||
0.411198 10.751118
|
||||
0.449884 9.211901
|
||||
0.646315 113.533660
|
||||
0.673718 125.135638
|
||||
0.805148 113.300462
|
||||
0.759327 72.668572
|
||||
0.519172 82.131698
|
||||
0.741031 106.777146
|
||||
0.030937 9.859127
|
||||
0.268848 -34.137955
|
||||
0.474901 -11.201301
|
||||
0.588266 120.501998
|
||||
0.893936 142.826476
|
||||
0.870990 105.751746
|
||||
0.430763 39.146258
|
||||
0.057665 15.371897
|
||||
0.100076 9.131761
|
||||
0.980716 116.145896
|
||||
0.235289 -13.691224
|
||||
0.228098 16.089151
|
||||
0.622248 99.345551
|
||||
0.401467 -1.694383
|
||||
0.960334 110.795415
|
||||
0.031214 -5.330042
|
||||
0.504228 96.003525
|
||||
0.779660 75.921582
|
||||
0.504496 101.341462
|
||||
0.850974 96.293064
|
||||
0.701119 102.333839
|
||||
0.191551 5.072326
|
||||
0.667116 92.310019
|
||||
0.555584 80.367129
|
||||
0.680006 132.965442
|
||||
0.393899 38.605283
|
||||
0.048940 -9.861871
|
||||
0.963282 115.407485
|
||||
0.655496 104.269918
|
||||
0.576463 141.127267
|
||||
0.675708 96.227996
|
||||
0.853457 114.252288
|
||||
0.003933 -12.182861
|
||||
0.549512 97.927224
|
||||
0.218967 -4.712462
|
||||
0.659972 120.950439
|
||||
0.008256 8.026816
|
||||
0.099500 -14.318434
|
||||
0.352215 -3.747546
|
||||
0.874926 89.247356
|
||||
0.635084 99.496059
|
||||
0.039641 14.147109
|
||||
0.665111 103.298719
|
||||
0.156583 -2.540703
|
||||
0.648843 119.333019
|
||||
0.893237 95.209585
|
||||
0.128807 5.558479
|
||||
0.137438 5.567685
|
||||
0.630538 98.462792
|
||||
0.296084 -41.799438
|
||||
0.632099 84.895098
|
||||
0.987681 106.726447
|
||||
0.744909 111.279705
|
||||
0.862030 104.581156
|
||||
0.080649 -7.679985
|
||||
0.831277 59.053356
|
||||
0.198716 26.878801
|
||||
0.860932 90.632930
|
||||
0.883250 92.759595
|
||||
0.818003 110.272219
|
||||
0.949216 115.200237
|
||||
0.460078 -35.957981
|
||||
0.561077 93.545761
|
||||
0.863767 114.125786
|
||||
0.476891 -29.774060
|
||||
0.537826 81.587922
|
||||
0.686224 110.911198
|
||||
0.982327 119.114523
|
||||
0.944453 92.033481
|
||||
0.078227 30.216873
|
||||
0.782937 92.588646
|
||||
0.465886 2.222139
|
||||
0.885024 90.247890
|
||||
0.186077 7.144415
|
||||
0.915828 84.010074
|
||||
0.796649 115.572156
|
||||
0.127821 28.933688
|
||||
0.433429 6.782575
|
||||
0.946796 108.574116
|
||||
0.386915 -17.404601
|
||||
0.561192 92.142700
|
||||
0.182490 10.764616
|
||||
0.878792 95.289476
|
||||
0.381342 -6.177464
|
||||
0.358474 -11.731754
|
||||
0.270647 13.793201
|
||||
0.488904 -17.641832
|
||||
0.106773 5.684757
|
||||
0.270112 4.335675
|
||||
0.754985 75.860433
|
||||
0.585174 111.640154
|
||||
0.458821 12.029692
|
||||
0.218017 -26.234872
|
||||
0.583887 99.413850
|
||||
0.923626 107.802298
|
||||
0.833620 104.179678
|
||||
0.870691 93.132591
|
||||
0.249896 -8.618404
|
||||
0.748230 109.160652
|
||||
0.019365 34.048884
|
||||
0.837588 101.239275
|
||||
0.529251 115.514729
|
||||
0.742898 67.038771
|
||||
0.522034 64.160799
|
||||
0.498982 3.983061
|
||||
0.479439 24.355908
|
||||
0.314834 -14.256200
|
||||
0.753251 85.017092
|
||||
0.479362 -17.480446
|
||||
0.950593 99.072784
|
||||
0.718623 58.080256
|
||||
0.218720 -19.605593
|
||||
0.664113 94.437159
|
||||
0.942900 131.725134
|
||||
0.314226 18.904871
|
||||
0.284509 11.779346
|
||||
0.004962 -14.624176
|
||||
0.224087 -50.547649
|
||||
0.974331 112.822725
|
||||
0.894610 112.863995
|
||||
0.167350 0.073380
|
||||
0.753644 105.024456
|
||||
0.632241 108.625812
|
||||
0.314189 -6.090797
|
||||
0.965527 87.418343
|
||||
0.820919 94.610538
|
||||
0.144107 -4.748387
|
||||
0.072556 -5.682008
|
||||
0.002447 29.685714
|
||||
0.851007 79.632376
|
||||
0.458024 -12.326026
|
||||
0.627503 139.458881
|
||||
0.422259 -29.827405
|
||||
0.714659 63.480271
|
||||
0.672320 93.608554
|
||||
0.498592 37.112975
|
||||
0.698906 96.282845
|
||||
0.861441 99.699230
|
||||
0.112425 -12.419909
|
||||
0.164784 5.244704
|
||||
0.481531 -18.070497
|
||||
0.375482 1.779411
|
||||
0.089325 -14.216755
|
||||
0.036609 -6.264372
|
||||
0.945004 54.723563
|
||||
0.136608 14.970936
|
||||
0.292285 -41.723711
|
||||
0.029195 -0.660279
|
||||
0.998307 100.124230
|
||||
0.303928 -5.492264
|
||||
0.957863 117.824392
|
||||
0.815089 113.377704
|
||||
0.466399 -10.249874
|
||||
0.876693 115.617275
|
||||
0.536121 102.997087
|
||||
0.373984 -37.359936
|
||||
0.565162 74.967476
|
||||
0.085412 -21.449563
|
||||
0.686411 64.859620
|
||||
0.908752 107.983366
|
||||
0.982829 98.005424
|
||||
0.052766 -42.139502
|
||||
0.777552 91.899340
|
||||
0.374316 -3.522501
|
||||
0.060231 10.008227
|
||||
0.526225 87.317722
|
||||
0.583872 67.104433
|
||||
0.238276 10.615159
|
||||
0.678747 60.624273
|
||||
0.067649 15.947398
|
||||
0.530182 105.030933
|
||||
0.869389 104.969996
|
||||
0.698410 75.460417
|
||||
0.549430 82.558068
|
||||
200
testData/RT_data4.txt
Executable file
200
testData/RT_data4.txt
Executable file
@@ -0,0 +1,200 @@
|
||||
0.070670 3.470829
|
||||
0.534076 6.377132
|
||||
0.747221 8.949407
|
||||
0.668970 8.034081
|
||||
0.586082 6.997721
|
||||
0.764962 9.318110
|
||||
0.658125 7.880333
|
||||
0.346734 4.213359
|
||||
0.313967 3.762496
|
||||
0.601418 7.188805
|
||||
0.404396 4.893403
|
||||
0.154345 3.683175
|
||||
0.984061 11.712928
|
||||
0.597514 7.146694
|
||||
0.005144 3.333150
|
||||
0.142295 3.743681
|
||||
0.280007 3.737376
|
||||
0.542008 6.494275
|
||||
0.466781 5.532255
|
||||
0.706970 8.476718
|
||||
0.191038 3.673921
|
||||
0.756591 9.176722
|
||||
0.912879 10.850358
|
||||
0.524701 6.067444
|
||||
0.306090 3.681148
|
||||
0.429009 5.032168
|
||||
0.695091 8.209058
|
||||
0.984495 11.909595
|
||||
0.702748 8.298454
|
||||
0.551771 6.715210
|
||||
0.272894 3.983313
|
||||
0.014611 3.559081
|
||||
0.699852 8.417306
|
||||
0.309710 3.739053
|
||||
0.444877 5.219649
|
||||
0.717509 8.483072
|
||||
0.576550 6.894860
|
||||
0.284200 3.792626
|
||||
0.675922 8.067282
|
||||
0.304401 3.671373
|
||||
0.233675 3.795962
|
||||
0.453779 5.477533
|
||||
0.900938 10.701447
|
||||
0.502418 6.046703
|
||||
0.781843 9.254690
|
||||
0.226271 3.546938
|
||||
0.619535 7.703312
|
||||
0.519998 6.202835
|
||||
0.399447 4.934647
|
||||
0.785298 9.497564
|
||||
0.010767 3.565835
|
||||
0.696399 8.307487
|
||||
0.524366 6.266060
|
||||
0.396583 4.611390
|
||||
0.059988 3.484805
|
||||
0.946702 11.263118
|
||||
0.417559 4.895128
|
||||
0.609194 7.239316
|
||||
0.730687 8.858371
|
||||
0.586694 7.061601
|
||||
0.829567 9.937968
|
||||
0.964229 11.521595
|
||||
0.276813 3.756406
|
||||
0.987041 11.947913
|
||||
0.876107 10.440538
|
||||
0.747582 8.942278
|
||||
0.117348 3.567821
|
||||
0.188617 3.976420
|
||||
0.416655 4.928907
|
||||
0.192995 3.978365
|
||||
0.244888 3.777018
|
||||
0.806349 9.685831
|
||||
0.417555 4.990148
|
||||
0.233805 3.740022
|
||||
0.357325 4.325355
|
||||
0.190201 3.638493
|
||||
0.705127 8.432886
|
||||
0.336599 3.868493
|
||||
0.473786 5.871813
|
||||
0.384794 4.830712
|
||||
0.502217 6.117244
|
||||
0.788220 9.454959
|
||||
0.478773 5.681631
|
||||
0.064296 3.642040
|
||||
0.332143 3.886628
|
||||
0.618869 7.312725
|
||||
0.854981 10.306697
|
||||
0.570000 6.764615
|
||||
0.512739 6.166836
|
||||
0.112285 3.545863
|
||||
0.723700 8.526944
|
||||
0.192256 3.661033
|
||||
0.181268 3.678579
|
||||
0.196731 3.916622
|
||||
0.510342 6.026652
|
||||
0.263713 3.723018
|
||||
0.141105 3.529595
|
||||
0.150262 3.552314
|
||||
0.824724 9.973690
|
||||
0.588088 6.893128
|
||||
0.411291 4.856380
|
||||
0.763717 9.199101
|
||||
0.212118 3.740024
|
||||
0.264587 3.742917
|
||||
0.973524 11.683243
|
||||
0.250670 3.679117
|
||||
0.823460 9.743861
|
||||
0.253752 3.781488
|
||||
0.838332 10.172180
|
||||
0.501156 6.113263
|
||||
0.097275 3.472367
|
||||
0.667199 7.948868
|
||||
0.487320 6.022060
|
||||
0.654640 7.809457
|
||||
0.906907 10.775188
|
||||
0.821941 9.936140
|
||||
0.859396 10.428255
|
||||
0.078696 3.490510
|
||||
0.938092 11.252471
|
||||
0.998868 11.863062
|
||||
0.025501 3.515624
|
||||
0.451806 5.441171
|
||||
0.883872 10.498912
|
||||
0.583567 6.912334
|
||||
0.823688 10.003723
|
||||
0.891032 10.818109
|
||||
0.879259 10.639263
|
||||
0.163007 3.662715
|
||||
0.344263 4.169705
|
||||
0.796083 9.422591
|
||||
0.903683 10.978834
|
||||
0.050129 3.575105
|
||||
0.605553 7.306014
|
||||
0.628951 7.556742
|
||||
0.877052 10.444055
|
||||
0.829402 9.856432
|
||||
0.121422 3.638276
|
||||
0.721517 8.663569
|
||||
0.066532 3.673471
|
||||
0.996587 11.782002
|
||||
0.653384 7.804568
|
||||
0.739494 8.817809
|
||||
0.640341 7.636812
|
||||
0.337828 3.971613
|
||||
0.220512 3.713645
|
||||
0.368815 4.381696
|
||||
0.782509 9.349428
|
||||
0.645825 7.790882
|
||||
0.277391 3.834258
|
||||
0.092569 3.643274
|
||||
0.284320 3.609353
|
||||
0.344465 4.023259
|
||||
0.182523 3.749195
|
||||
0.385001 4.426970
|
||||
0.747609 8.966676
|
||||
0.188907 3.711018
|
||||
0.806244 9.610438
|
||||
0.014211 3.517818
|
||||
0.574813 7.040672
|
||||
0.714500 8.525624
|
||||
0.538982 6.393940
|
||||
0.384638 4.649362
|
||||
0.915586 10.936577
|
||||
0.883513 10.441493
|
||||
0.804148 9.742851
|
||||
0.466011 5.833439
|
||||
0.800574 9.638874
|
||||
0.654980 8.028558
|
||||
0.348564 4.064616
|
||||
0.978595 11.720218
|
||||
0.915906 10.833902
|
||||
0.285477 3.818961
|
||||
0.988631 11.684010
|
||||
0.531069 6.305005
|
||||
0.181658 3.806995
|
||||
0.039657 3.356861
|
||||
0.893344 10.776799
|
||||
0.355214 4.263666
|
||||
0.783508 9.475445
|
||||
0.039768 3.429691
|
||||
0.546308 6.472749
|
||||
0.786882 9.398951
|
||||
0.168282 3.564189
|
||||
0.374900 4.399040
|
||||
0.737767 8.888536
|
||||
0.059849 3.431537
|
||||
0.861891 10.246888
|
||||
0.597578 7.112627
|
||||
0.126050 3.611641
|
||||
0.074795 3.609222
|
||||
0.634401 7.627416
|
||||
0.831633 9.926548
|
||||
0.019095 3.470285
|
||||
0.396533 4.773104
|
||||
0.794973 9.492009
|
||||
0.889088 10.420003
|
||||
0.003174 3.587139
|
||||
0.176767 3.554071
|
||||
0.943730 11.227731
|
||||
0.758564 8.885337
|
||||
200
testData/Regression_data.txt
Executable file
200
testData/Regression_data.txt
Executable file
@@ -0,0 +1,200 @@
|
||||
1.000000 0.067732 3.176513
|
||||
1.000000 0.427810 3.816464
|
||||
1.000000 0.995731 4.550095
|
||||
1.000000 0.738336 4.256571
|
||||
1.000000 0.981083 4.560815
|
||||
1.000000 0.526171 3.929515
|
||||
1.000000 0.378887 3.526170
|
||||
1.000000 0.033859 3.156393
|
||||
1.000000 0.132791 3.110301
|
||||
1.000000 0.138306 3.149813
|
||||
1.000000 0.247809 3.476346
|
||||
1.000000 0.648270 4.119688
|
||||
1.000000 0.731209 4.282233
|
||||
1.000000 0.236833 3.486582
|
||||
1.000000 0.969788 4.655492
|
||||
1.000000 0.607492 3.965162
|
||||
1.000000 0.358622 3.514900
|
||||
1.000000 0.147846 3.125947
|
||||
1.000000 0.637820 4.094115
|
||||
1.000000 0.230372 3.476039
|
||||
1.000000 0.070237 3.210610
|
||||
1.000000 0.067154 3.190612
|
||||
1.000000 0.925577 4.631504
|
||||
1.000000 0.717733 4.295890
|
||||
1.000000 0.015371 3.085028
|
||||
1.000000 0.335070 3.448080
|
||||
1.000000 0.040486 3.167440
|
||||
1.000000 0.212575 3.364266
|
||||
1.000000 0.617218 3.993482
|
||||
1.000000 0.541196 3.891471
|
||||
1.000000 0.045353 3.143259
|
||||
1.000000 0.126762 3.114204
|
||||
1.000000 0.556486 3.851484
|
||||
1.000000 0.901144 4.621899
|
||||
1.000000 0.958476 4.580768
|
||||
1.000000 0.274561 3.620992
|
||||
1.000000 0.394396 3.580501
|
||||
1.000000 0.872480 4.618706
|
||||
1.000000 0.409932 3.676867
|
||||
1.000000 0.908969 4.641845
|
||||
1.000000 0.166819 3.175939
|
||||
1.000000 0.665016 4.264980
|
||||
1.000000 0.263727 3.558448
|
||||
1.000000 0.231214 3.436632
|
||||
1.000000 0.552928 3.831052
|
||||
1.000000 0.047744 3.182853
|
||||
1.000000 0.365746 3.498906
|
||||
1.000000 0.495002 3.946833
|
||||
1.000000 0.493466 3.900583
|
||||
1.000000 0.792101 4.238522
|
||||
1.000000 0.769660 4.233080
|
||||
1.000000 0.251821 3.521557
|
||||
1.000000 0.181951 3.203344
|
||||
1.000000 0.808177 4.278105
|
||||
1.000000 0.334116 3.555705
|
||||
1.000000 0.338630 3.502661
|
||||
1.000000 0.452584 3.859776
|
||||
1.000000 0.694770 4.275956
|
||||
1.000000 0.590902 3.916191
|
||||
1.000000 0.307928 3.587961
|
||||
1.000000 0.148364 3.183004
|
||||
1.000000 0.702180 4.225236
|
||||
1.000000 0.721544 4.231083
|
||||
1.000000 0.666886 4.240544
|
||||
1.000000 0.124931 3.222372
|
||||
1.000000 0.618286 4.021445
|
||||
1.000000 0.381086 3.567479
|
||||
1.000000 0.385643 3.562580
|
||||
1.000000 0.777175 4.262059
|
||||
1.000000 0.116089 3.208813
|
||||
1.000000 0.115487 3.169825
|
||||
1.000000 0.663510 4.193949
|
||||
1.000000 0.254884 3.491678
|
||||
1.000000 0.993888 4.533306
|
||||
1.000000 0.295434 3.550108
|
||||
1.000000 0.952523 4.636427
|
||||
1.000000 0.307047 3.557078
|
||||
1.000000 0.277261 3.552874
|
||||
1.000000 0.279101 3.494159
|
||||
1.000000 0.175724 3.206828
|
||||
1.000000 0.156383 3.195266
|
||||
1.000000 0.733165 4.221292
|
||||
1.000000 0.848142 4.413372
|
||||
1.000000 0.771184 4.184347
|
||||
1.000000 0.429492 3.742878
|
||||
1.000000 0.162176 3.201878
|
||||
1.000000 0.917064 4.648964
|
||||
1.000000 0.315044 3.510117
|
||||
1.000000 0.201473 3.274434
|
||||
1.000000 0.297038 3.579622
|
||||
1.000000 0.336647 3.489244
|
||||
1.000000 0.666109 4.237386
|
||||
1.000000 0.583888 3.913749
|
||||
1.000000 0.085031 3.228990
|
||||
1.000000 0.687006 4.286286
|
||||
1.000000 0.949655 4.628614
|
||||
1.000000 0.189912 3.239536
|
||||
1.000000 0.844027 4.457997
|
||||
1.000000 0.333288 3.513384
|
||||
1.000000 0.427035 3.729674
|
||||
1.000000 0.466369 3.834274
|
||||
1.000000 0.550659 3.811155
|
||||
1.000000 0.278213 3.598316
|
||||
1.000000 0.918769 4.692514
|
||||
1.000000 0.886555 4.604859
|
||||
1.000000 0.569488 3.864912
|
||||
1.000000 0.066379 3.184236
|
||||
1.000000 0.335751 3.500796
|
||||
1.000000 0.426863 3.743365
|
||||
1.000000 0.395746 3.622905
|
||||
1.000000 0.694221 4.310796
|
||||
1.000000 0.272760 3.583357
|
||||
1.000000 0.503495 3.901852
|
||||
1.000000 0.067119 3.233521
|
||||
1.000000 0.038326 3.105266
|
||||
1.000000 0.599122 3.865544
|
||||
1.000000 0.947054 4.628625
|
||||
1.000000 0.671279 4.231213
|
||||
1.000000 0.434811 3.791149
|
||||
1.000000 0.509381 3.968271
|
||||
1.000000 0.749442 4.253910
|
||||
1.000000 0.058014 3.194710
|
||||
1.000000 0.482978 3.996503
|
||||
1.000000 0.466776 3.904358
|
||||
1.000000 0.357767 3.503976
|
||||
1.000000 0.949123 4.557545
|
||||
1.000000 0.417320 3.699876
|
||||
1.000000 0.920461 4.613614
|
||||
1.000000 0.156433 3.140401
|
||||
1.000000 0.656662 4.206717
|
||||
1.000000 0.616418 3.969524
|
||||
1.000000 0.853428 4.476096
|
||||
1.000000 0.133295 3.136528
|
||||
1.000000 0.693007 4.279071
|
||||
1.000000 0.178449 3.200603
|
||||
1.000000 0.199526 3.299012
|
||||
1.000000 0.073224 3.209873
|
||||
1.000000 0.286515 3.632942
|
||||
1.000000 0.182026 3.248361
|
||||
1.000000 0.621523 3.995783
|
||||
1.000000 0.344584 3.563262
|
||||
1.000000 0.398556 3.649712
|
||||
1.000000 0.480369 3.951845
|
||||
1.000000 0.153350 3.145031
|
||||
1.000000 0.171846 3.181577
|
||||
1.000000 0.867082 4.637087
|
||||
1.000000 0.223855 3.404964
|
||||
1.000000 0.528301 3.873188
|
||||
1.000000 0.890192 4.633648
|
||||
1.000000 0.106352 3.154768
|
||||
1.000000 0.917886 4.623637
|
||||
1.000000 0.014855 3.078132
|
||||
1.000000 0.567682 3.913596
|
||||
1.000000 0.068854 3.221817
|
||||
1.000000 0.603535 3.938071
|
||||
1.000000 0.532050 3.880822
|
||||
1.000000 0.651362 4.176436
|
||||
1.000000 0.901225 4.648161
|
||||
1.000000 0.204337 3.332312
|
||||
1.000000 0.696081 4.240614
|
||||
1.000000 0.963924 4.532224
|
||||
1.000000 0.981390 4.557105
|
||||
1.000000 0.987911 4.610072
|
||||
1.000000 0.990947 4.636569
|
||||
1.000000 0.736021 4.229813
|
||||
1.000000 0.253574 3.500860
|
||||
1.000000 0.674722 4.245514
|
||||
1.000000 0.939368 4.605182
|
||||
1.000000 0.235419 3.454340
|
||||
1.000000 0.110521 3.180775
|
||||
1.000000 0.218023 3.380820
|
||||
1.000000 0.869778 4.565020
|
||||
1.000000 0.196830 3.279973
|
||||
1.000000 0.958178 4.554241
|
||||
1.000000 0.972673 4.633520
|
||||
1.000000 0.745797 4.281037
|
||||
1.000000 0.445674 3.844426
|
||||
1.000000 0.470557 3.891601
|
||||
1.000000 0.549236 3.849728
|
||||
1.000000 0.335691 3.492215
|
||||
1.000000 0.884739 4.592374
|
||||
1.000000 0.918916 4.632025
|
||||
1.000000 0.441815 3.756750
|
||||
1.000000 0.116598 3.133555
|
||||
1.000000 0.359274 3.567919
|
||||
1.000000 0.814811 4.363382
|
||||
1.000000 0.387125 3.560165
|
||||
1.000000 0.982243 4.564305
|
||||
1.000000 0.780880 4.215055
|
||||
1.000000 0.652565 4.174999
|
||||
1.000000 0.870030 4.586640
|
||||
1.000000 0.604755 3.960008
|
||||
1.000000 0.255212 3.529963
|
||||
1.000000 0.730546 4.213412
|
||||
1.000000 0.493829 3.908685
|
||||
1.000000 0.257017 3.585821
|
||||
1.000000 0.833735 4.374394
|
||||
1.000000 0.070095 3.213817
|
||||
1.000000 0.527070 3.952681
|
||||
1.000000 0.116163 3.129283
|
||||
Reference in New Issue
Block a user