EasyClassifier：一行命令生成分类器测试报告

shixiang

前些日子学习TensorFlow，按照官网示例学还好，一到了想用它做点什么的时候，就感觉血槽已空，智商需要充值。别人家的HelloWorld == 它的MNIST，学习曲线较陡峭，它的API很基础，适合做有挑战性的工作，比如谷歌的阿尔法狗之类。要是做点简单的工作，sklearn更简单快速，效果也不差。sklearn用熟了再去学tensorflow应该会好些吧。

然后，翻看sklearn文档，发现确实不错，就想着为需求不高的研究者写个小脚本，节省点体力。该小脚本是Easy_Classify，用户可以直接输入一个包含两类正反例的libsvm文件，能够有交叉验证或随机切分文件为训练集测试集，通过各类分类器快速并行实验，最终直接得到一个Excel实验报告表。

报表格式示例如下：



下一步增添它的功能，加入更多分类器，支持参数寻优，支持输入多个不同维度文件同时测试。

Github托管地址：https://github.com/ShixiangWan/Easy-Classify

2016-08-12，版本已更新：
Easy-Classify（0.40）已支持神经网络等13种分类器，可多维度文件同时进行测试，并行速度不错。
99服务器中路径为：/Bioinformatics_Machine_Learning/Machine_Learning/classifier/Easy_Classify/0.40，可以直接使用，Github中有详细使用说明。

2016-10-26，版本已更新（Easy-Classify 0.60）：

1. 支持arff文件作为输入：
对于arff文件，程序先将它转为libsvm格式，再运行分类器。

2. 更好地支持并行：
sklearn自带的并行不怎么work。现在的原理是对每个分类器开一个线程，同时跑，都跑完后一起写入excel结果；测试结果显示，单线程运行耗时330s的文件，并行只需80s。

3. 增加参数可选：
-o指定输出excel文件名。默认为results.xls。
-s指定是否寻找最佳分类器参数。0为不寻找，1为寻找。默认为0。
-m是否并行运算，1GB以上大数据集不推荐使用。0为单线程运算，1为多线程并行运算，线程数是同时运行的分类器数，适合CPU和内存资源强大的用户。默认为1。之前的参数不变。

4. 去掉了神经网络分类器：
原因是我们的生物信息学数据量一般都在100W条以下，用神经网络容易过拟合且耗时极长，效果不好。

5. 本机安装EasyClassify更简单：根据操作系统位数，下载exe文件直接安装即可。

6. 修复一些bug，如输入文件之间不能有空格字符等。

7. 新logo，新开始：未来加入层次多标签递进分类、投票法处理不平衡数据等。



更多信息，参见Github托管地址。

guojiasheng

赞

shixiang

Easy-Classify已更新至0.40，99服务器部署路径为：/Bioinformatics_Machine_Learning/Machine_Learning/classifier/Easy_Classify/0.40，
使用方法：
1. 交叉验证：

1. python easy_classify.py -i {input_file.libsvm} -c {int: cross validate folds}
   
2. # 单文件命令如：python easy_classify.py -i train.libsvm -c 5
   
3. # 多文件命令如：python easy_classify.py -i train.libsvm,train2.libsvm -c 5

复制代码

2. 训练测试：

1. python easy_classify.py -i {input_file.libsvm} -t {float: test size rate of file}
   
2. # 单文件命令如：python easy_classify.py -i train.libsvm -t 0.33
   
3. # 多文件命令如：python easy_classify.py -i train.libsvm,train2.libsvm -t 0.33

复制代码

zouquan

亲测好使{:257:}

shixiang

2016-10-26，版本已更新（Easy-Classify 0.60）