- 浏览: 121810 次
- 性别:
- 来自: 武汉
文章分类
最新评论
"""Regression testing framework
This module will search for scripts in the same directory named
XYZtest.py. Each such script should be a test suite that tests a
module through PyUnit. (As of Python 2.1, PyUnit is included in
the standard library as 'unittest'.) This script will aggregate all
found test suites into one big test suite and run them all at once.
This program is part of "Dive Into Python", a free Python book for
experienced programmers. Visit http://diveintopython.org/ for the
latest version.
"""
__author__ = "Mark Pilgrim (mark@diveintopython.org)"
__version__ = "$Revision: 1.4 $"
__date__ = "$Date: 2004/05/05 21:57:19 $"
__copyright__ = "Copyright (c) 2001 Mark Pilgrim"
__license__ = "Python"
import sys, os, re, unittest
%这里同时导入四个模块:sys(为系统函数和得到命令行参数),os(为目录列表之类的操作系统函
%数),re(为正则表达式),以及unittest(为单元测试)。
def regressionTest():
path = os.path.abspath(os.path.dirname(sys.argv[0]))
%将第一个命令行参数作为目录名,返回该目录名所在的绝对地址,然后赋给path
files = os.listdir(path)
%列举path目录下的所有文件,然后赋值给files变量
test = re.compile("test\.py$", re.IGNORECAS)
%匹配以“test.py”结尾的文件
files = filter(test.search, files)
%获得所有以“test.py”结尾的文件
filenameToModuleName = lambda f: os.path.splitext(f)[0]
%lambda的作用:用lambda表达式写:
# f(x, y) = x + y
f = lambda x, y : x + y
%此处的作用即:给定参数f,获得f的文件名,注意不要扩展名,若想获得扩展名,则应使用
% os.path.splittext(f)[1]
moduleNames = map(filenameToModuleName, files)
%map函数的作用:它接受函数和列表作为参数,然后返回函数处理之后的列表
modules = map(__import__, moduleNames)
%利用moduleNames所包含的模块名来导入模块,你可以通过map和__import__的协同工作,将模块名 (字符串) 映射到实际的模块 (像其他模块一样可以被调用和使用)
load = unittest.defaultTestLoader.loadTestsFromModule
%内省每一个模块并为每个模块返回一个unittest.TestSuite对象。每个TestSuite(测试套件) 对象都包 含一个TestCase对象的列表,每个对象对应着你的模块中的一个测试方法
return unittest.TestSuite(map(load, modules))
%将TestSuite列表封装成一个更大的测试套件
if __name__ == "__main__":
unittest.main(defaultTest="regressionTest")
发表评论
-
一个完整的php项目示例
2009-05-19 13:30 1304<script>function StorePag ... -
一个简单的python代理服务器源码分析
2009-05-20 00:29 1437<script>function StorePag ... -
python起步
2009-05-21 00:15 607<script>function StorePag ... -
urllister.py源码分析
2009-05-22 00:08 1062<script>function StorePag ... -
fibonacci.py源代码分析
2009-05-22 23:24 629<script>function StorePag ... -
builddialectexamples.py源代码分析
2009-05-25 00:05 535<script>function StorePag ... -
piglatin.php源代码分析
2009-05-25 22:58 696<script>function StorePag ... -
plural.py源代码分析
2009-05-26 22:28 575<script>function StorePag ... -
apihelpertest.py源代码分析
2009-05-28 23:47 535<script>function StorePag ... -
argecho.py源代码分析
2009-05-30 00:44 625<script>function StorePag ... -
soundex.py源代码分析
2009-05-31 01:58 559<script>function StorePag ... -
plural1.py源代码分析
2009-05-31 22:27 611<script>function StorePag ... -
toolbox.py源代码分析
2009-06-01 23:00 567<script>function StorePag ... -
sum.py源代码分析
2009-06-03 00:14 791<script>function StorePag ... -
python打印变量的标识符、类型和值
2009-06-03 22:44 2138<script>function StorePag ... -
stringFormatting.py源代码分析
2009-06-04 23:49 503<script>function StorePag ... -
operator.py源代码分析
2009-06-05 23:12 570<script>function StorePag ... -
average.py源代码分析
2009-06-07 00:20 521<script>function StorePag ... -
square.py源代码分析
2009-06-08 00:05 623<script>function StorePag ... -
left.php源代码分析
2009-06-09 01:06 979<script>function StorePag ...
相关推荐
在这个名为“LSTM-regression-master”的源码项目中,我们可以期待学习到如何使用LSTM进行回归分析。回归是一种预测性建模技术,用于研究两个或多个变量间的关系,尤其是因变量和一个或多个自变量之间的关系。 首先...
`LinearModelHandWrite.py`可能是实现线性回归模型的源代码,它可能包含了定义模型、训练模型和评估模型的过程。在模型定义部分,可以使用`sklearn.linear_model.LinearRegression`类,然后通过`fit`方法拟合数据。...
为了深入理解这个实现,建议查看源代码,分析其数据处理流程、特征选择方法、树的构建策略以及剪枝算法。同时,结合具体的数据集进行实验,观察不同参数设置对模型性能的影响,这将有助于我们更好地理解和掌握CART...
选择SourceTree,Atlassian的Git客户端或命令行以使用Bitbucket和Git学习源代码控制。 在Windows和Mac上使用 在Windows,Mac和Linux上使用 最后,如果您需要完整的端到端教程:请参阅我们的 。 协作是Git的核心 与...
Statbotics 是一个用于数据分析和机器人学习的开源项目,其源码包含在 "statbotics-源码.zip" 文件中。这个项目的目的是提供一个易于理解和使用的工具集,帮助开发者和研究人员进行统计建模、机器学习算法的实现以及...
【标题】"ML_course-源码.rar"是一个与机器学习(Machine Learning,简称ML)相关的压缩文件,其中包含了源代码。通常这样的文件是为教学或研究目的提供的,可能包含了一系列的编程练习、项目实例或者一个完整的课程...
本项目* convolutional.py和regression.py分别是训练线性回归模型和卷积模型的代码 > 本项目* model.py中是线性回归模型和卷积模型的代码的网络结构代码 > 本项目* data中存放生成的ckpt文件 > 本项目* tmp中是用于...
GetFiveFeatures.py-----------------五个特征提取的测试代码 FeatureExtract.py-------------------提取样本库特征保存到CSV文件 机器学习模块 LinearSVM.py-------------------------线性SVM分类器的训练和模型...
3. 执行`python setup.py build`,这将编译C++源代码。 4. 接着运行`python setup.py install`,这会将LRUtils安装到Python的site-packages目录下,使其可供全局使用。 在实际使用中,用户可以通过导入LRUtils库,...
其中包含了多种机器学习算法的源代码以及相关的说明文档,旨在帮助学生理解和应用这些算法。下面将对其中的关键知识点进行详细阐述。 1. **源码实现**: - `k-means.py`:K-Means聚类算法是一种无监督学习方法,...
分为训练集、验证集、测试集,进行训练然后在验证集上提取最好的效果,并在测试集上进行测试```python CNNfeatures.pypython regression.pypython test_demo.py--------该资源内项目源码是个人的毕设,代码都测试ok...
通过研究这些源代码,开发者不仅可以理解DBN的工作原理,还能学习如何在Python中高效地实现这些复杂的神经网络模型。此外,由于代码已经被调试并确认能运行,这对于学习和实践深度学习的人来说是一个宝贵的起点。
线性回归是机器学习中最基础且重要的算法之一,它在各种数据分析和预测任务中发挥着关键作用。本教程将深入探讨线性回归的原理、应用和实现,通过项目实战和源码解读帮助读者掌握这一核心技能。 首先,线性回归是一...
在这个压缩包中,包含了实现这些概念的源代码、答案代码以及相关的数据文件,便于在Wing IDE中直接运行和查看效果。 1. **逻辑回归**:逻辑回归是神经网络的第一个基础,它是一种用于分类问题的线性模型。在`...
9. lr.py:逻辑回归(Logistic Regression)的实现,虽然不是异常检测的主要模型,但可能用于辅助分析或模型评估。 10. utils.py:通用工具函数,包括数据处理、模型评估等常用功能。 综合以上信息,这个项目提供了...
编程环境:Python, Matlab, Markdown 1. 数据预处理 商品信息 提取数据集中的title和description信息 命令:python item_information.py [file1, ..., file3] ...non linear regression Similarity(i
`.whl`文件是Python的二进制分发格式,它允许用户无需构建源代码即可安装软件包。这种格式特别适用于那些依赖于特定环境或难以构建的库,因为它包含了所有必要的依赖项。`py3-none-any`这部分表示该 `.whl` 文件适用...
首先,我们关注`regression.py`文件,这可能是实现线性回归模型的代码。在机器学习中,线性回归是一种基础且重要的预测模型,它假设因变量与自变量之间存在线性关系。在MNIST问题中,我们的目标是通过线性组合输入...
购房者描述他们的梦想房屋,预测最终价格。问题转换为回归问题,评价标准时RMSE,从...源代码:House price.py 训练集:train.csv 测试集:test.csv 提交样例:sample_submission.csv 最终提交:submission.csv
3. 解压后,你会看到一个名为`rctest-0.0.64`的目录,其中可能包含了`setup.py`、`README`、源代码文件(如`.py`)、测试文件(如`test_*.py`)和其他资源。 `setup.py`是Python项目的核心配置文件,它定义了项目的...