diff --git a/src/test/java/fr/univlille/sae/classification/knn/distance/DistanceManhattanNormaliseeTest.java b/src/test/java/fr/univlille/sae/classification/knn/distance/DistanceManhattanNormaliseeTest.java
index be9d92eabf8b97a270b1b9a3f3a41affecdd3b5f..f29a057a70b9dc3ec2c3066152f2efd15cbab66a 100644
--- a/src/test/java/fr/univlille/sae/classification/knn/distance/DistanceManhattanNormaliseeTest.java
+++ b/src/test/java/fr/univlille/sae/classification/knn/distance/DistanceManhattanNormaliseeTest.java
@@ -1,40 +1,42 @@
package fr.univlille.sae.classification.knn.distance;
-import static org.junit.jupiter.api.Assertions.*;
-
-import org.junit.jupiter.api.Test;
import fr.univlille.sae.classification.model.LoadableData;
import fr.univlille.sae.classification.knn.MethodKNN;
import org.junit.jupiter.api.BeforeEach;
+import org.junit.jupiter.api.Test;
import java.util.Map;
-public class DistanceManhattanNormaliseeTest {
+import static org.junit.jupiter.api.Assertions.*;
+
+class DistanceManhattanNormaliseeTest {
- private DistanceManhattanNormalisee distanceManhattan;
+ private DistanceManhattanNormalisee distanceManhattanNormalisee;
@BeforeEach
- public void setUp() {
- // Initialisation de l'objet DistanceManhattanNormalisee avant chaque test
- distanceManhattan = new DistanceManhattanNormalisee();
+ void setUp() {
+ distanceManhattanNormalisee = new DistanceManhattanNormalisee();
- // Définition des valeurs de normalisation dans MethodKNN (à ajuster selon votre logique)
- MethodKNN.minData = new double[] {0.0, 0.0}; // Valeurs minimales pour les attributs
- MethodKNN.amplitude = new double[] {1.0, 1.0}; // Amplitude pour la normalisation
+ // Configurer les valeurs statiques pour la normalisation
+ MethodKNN.minData = new double[]{1.0, 2.0, 0.5};
+ MethodKNN.amplitude = new double[]{4.0, 3.0, 2.5};
}
@Test
- public void testDistanceSimple() {
- // Création de deux objets LoadableData avec des attributs simples
- LoadableData data1 = new LoadableData() {
+ void testDistance_Calculation() {
+ LoadableData l1 = new LoadableData() {
+ @Override
+ public double[] getAttributes() {
+ return new double[]{2.0, 5.0, 1.0};
+ }
+
@Override
public String getClassification() {
- return null;
+ return "Class1";
}
@Override
public void setClassification(String classification) {
-
}
@Override
@@ -42,25 +44,25 @@ public class DistanceManhattanNormaliseeTest {
return null;
}
- @Override
- public double[] getAttributes() {
- return new double[0];
- }
-
@Override
public String[] getStringAttributes() {
return new String[0];
}
};
- LoadableData data2 = new LoadableData() {
+
+ LoadableData l2 = new LoadableData() {
+ @Override
+ public double[] getAttributes() {
+ return new double[]{4.0, 4.0, 2.0};
+ }
+
@Override
public String getClassification() {
- return null;
+ return "Class2";
}
@Override
public void setClassification(String classification) {
-
}
@Override
@@ -68,39 +70,36 @@ public class DistanceManhattanNormaliseeTest {
return null;
}
- @Override
- public double[] getAttributes() {
- return new double[0];
- }
-
@Override
public String[] getStringAttributes() {
return new String[0];
}
};
- // Calcul de la distance manhattan normalisée
- double result = distanceManhattan.distance(data1, data2);
-
- // Calcul attendu : (|1.0 - 3.0| / 1.0) + (|2.0 - 5.0| / 1.0)
- double expected = (Math.abs(1.0 - 3.0) / 1.0) + (Math.abs(2.0 - 5.0) / 1.0);
+ double expectedDistance =
+ (Math.abs(2.0 - 4.0) - 1.0) / 4.0 +
+ (Math.abs(5.0 - 4.0) - 2.0) / 3.0 +
+ (Math.abs(1.0 - 2.0) - 0.5) / 2.5;
- // Vérification du résultat
- assertEquals(expected, result, 0.001);
+ assertEquals(expectedDistance, distanceManhattanNormalisee.distance(l1, l2), 1e-6);
}
@Test
- public void testDistanceZero() {
- // Deux objets avec les mêmes attributs (la distance devrait être 0)
- LoadableData data1 = new LoadableData() {
+ void testDistance_ZeroDistance() {
+ MethodKNN.minData = new double[]{0.0, 0.0, 0.0};
+ LoadableData l1 = new LoadableData() {
+ @Override
+ public double[] getAttributes() {
+ return new double[]{3.0, 3.0, 3.0};
+ }
+
@Override
public String getClassification() {
- return null;
+ return "Class1";
}
@Override
public void setClassification(String classification) {
-
}
@Override
@@ -108,25 +107,25 @@ public class DistanceManhattanNormaliseeTest {
return null;
}
- @Override
- public double[] getAttributes() {
- return new double[0];
- }
-
@Override
public String[] getStringAttributes() {
return new String[0];
}
};
- LoadableData data2 = new LoadableData() {
+
+ LoadableData l2 = new LoadableData() {
+ @Override
+ public double[] getAttributes() {
+ return new double[]{3.0, 3.0, 3.0};
+ }
+
@Override
public String getClassification() {
- return null;
+ return "Class1";
}
@Override
public void setClassification(String classification) {
-
}
@Override
@@ -134,60 +133,31 @@ public class DistanceManhattanNormaliseeTest {
return null;
}
- @Override
- public double[] getAttributes() {
- return new double[0];
- }
-
@Override
public String[] getStringAttributes() {
return new String[0];
}
};
- // Vérification que la distance est bien 0
- double result = distanceManhattan.distance(data1, data2);
- assertEquals(0.0, result, 0.001);
+ assertEquals(0.0, distanceManhattanNormalisee.distance(l1, l2), 1e-6);
}
- @Test
- public void testDistanceAvecValeursExtremes() {
- // Test avec des valeurs maximales ou minimales (hypothétiques dans ce cas)
- LoadableData data1 = new LoadableData() {
- @Override
- public String getClassification() {
- return null;
- }
-
- @Override
- public void setClassification(String classification) {
-
- }
-
- @Override
- public Map<String, Object> getAttributesNames() {
- return null;
- }
+ @Test
+ void testDistance_EmptyAttributes() {
+ LoadableData l1 = new LoadableData() {
@Override
public double[] getAttributes() {
- return new double[0];
+ return new double[]{};
}
- @Override
- public String[] getStringAttributes() {
- return new String[0];
- }
- };
- LoadableData data2 = new LoadableData() {
@Override
public String getClassification() {
- return null;
+ return "Class1";
}
@Override
public void setClassification(String classification) {
-
}
@Override
@@ -195,38 +165,25 @@ public class DistanceManhattanNormaliseeTest {
return null;
}
- @Override
- public double[] getAttributes() {
- return new double[0];
- }
-
@Override
public String[] getStringAttributes() {
return new String[0];
}
};
- double result = distanceManhattan.distance(data1, data2);
-
- // Calcul de la distance, ici l'effet de normalisation devrait être pris en compte
- double expected = (Math.abs(Double.MAX_VALUE - Double.MIN_VALUE) / 1.0) +
- (Math.abs(Double.MIN_VALUE - Double.MAX_VALUE) / 1.0);
-
- assertEquals(expected, result, 0.001);
- }
+ LoadableData l2 = new LoadableData() {
+ @Override
+ public double[] getAttributes() {
+ return new double[]{};
+ }
- @Test
- public void testDistanceAvecDonneesNulles() {
- // Test avec des données nulles
- LoadableData data1 = new LoadableData() {
@Override
public String getClassification() {
- return null;
+ return "Class2";
}
@Override
public void setClassification(String classification) {
-
}
@Override
@@ -234,38 +191,30 @@ public class DistanceManhattanNormaliseeTest {
return null;
}
- @Override
- public double[] getAttributes() {
- return new double[0];
- }
-
@Override
public String[] getStringAttributes() {
return new String[0];
}
};
- LoadableData data2 = null;
-
- try {
- distanceManhattan.distance(data1, data2);
- fail("La méthode devrait lever une exception quand l'un des objets est nul");
- } catch (NullPointerException e) {
- // Vérification qu'une exception est lancée
- }
+
+ assertEquals(0.0, distanceManhattanNormalisee.distance(l1, l2), 1e-6);
}
@Test
- public void testDistanceAvecDonneesVides() {
- // Test avec des données vides (tous les attributs sont 0 ou absents)
- LoadableData data1 = new LoadableData() {
+ void testDistance_DifferentLengthAttributes() {
+ LoadableData l1 = new LoadableData() {
+ @Override
+ public double[] getAttributes() {
+ return new double[]{2.0, 3.0};
+ }
+
@Override
public String getClassification() {
- return null;
+ return "Class1";
}
@Override
public void setClassification(String classification) {
-
}
@Override
@@ -273,25 +222,25 @@ public class DistanceManhattanNormaliseeTest {
return null;
}
- @Override
- public double[] getAttributes() {
- return new double[0];
- }
-
@Override
public String[] getStringAttributes() {
return new String[0];
}
};
- LoadableData data2 = new LoadableData() {
+
+ LoadableData l2 = new LoadableData() {
+ @Override
+ public double[] getAttributes() {
+ return new double[]{2.0};
+ }
+
@Override
public String getClassification() {
- return null;
+ return "Class2";
}
@Override
public void setClassification(String classification) {
-
}
@Override
@@ -299,19 +248,17 @@ public class DistanceManhattanNormaliseeTest {
return null;
}
- @Override
- public double[] getAttributes() {
- return new double[0];
- }
-
@Override
public String[] getStringAttributes() {
return new String[0];
}
};
- // La distance devrait être 0 car il n'y a aucune différence d'attribut
- double result = distanceManhattan.distance(data1, data2);
- assertEquals(0.0, result, 0.001);
+ Exception exception = assertThrows(
+ ArrayIndexOutOfBoundsException.class,
+ () -> distanceManhattanNormalisee.distance(l1, l2)
+ );
+
+ assertEquals("Index 1 out of bounds for length 1", exception.getMessage());
}
}