diff --git a/DevEfficace/rapport.md b/DevEfficace/rapport.md
index 105d4153a8eae9076adf3a7c0c9a77587ac76df1..0462ca201261985914863df1a4414a7a894e2dea 100644
--- a/DevEfficace/rapport.md
+++ b/DevEfficace/rapport.md
@@ -90,7 +90,7 @@ Pour obtenir le meilleur **K**, on appelle la méthode `bestK(List<LoadableData>
En appliquant cette méthode, voici les résultats que nous avons obtenus avec :
-##### Iris
+### Iris
| Distance \ k | 1 | 3 | 5 | 7 | 9 | 11 | k choisi |
|-----------------------------------|-------|-------|-------|-------|-------|-------|----------|
@@ -101,7 +101,9 @@ En appliquant cette méthode, voici les résultats que nous avons obtenus avec :
On obtient donc un taux de réussite plutôt élevé. À chaque fois, l'algorithme choisit le K avec le plus haut taux de réussite. En cas d'égalité, il choisit le plus petit K parmi les égalités.
-##### Pokémon
+### Pokemon
+
+**Classification selon le type**
| Distance \ k | 1 | 3 | 5 | 7 | 9 | 11 | 13 | 15 | 17 | 19 | 21 | k choisi |
|-----------------------------------|-------|-------|-------|-------|-------|-------|----|----|----|----|----|----------|
@@ -114,7 +116,20 @@ On obtient donc un taux de réussite plutôt élevé. À chaque fois, l'algorith
Le taux de reussiste est ici plus bas, cela s'explique notement par le nombre d'attribut different et la complexité a identifier le type d'un pokemon.
Cependant le taux de reussiste reste satisfaisant et stable.
-Classification par isLegendary
+**Classification Legendaire ou Non Legendaire**
+
+
+
+| Distance \ K | 1 | 3 | 5 | 7 | 9 | 11 | 13 | 15 | 17 | 19 | 21 | K choisit |
+|---------------------------------|-------|-------|-------|-------|-------|-------|----|----|----|----|----|----|
+| Distance Euclidienne | 0.986 | 0.978 | 0.984 | 0.980 | 0.984 | 0.984 | 0.984 | 0.984 | 0.984 | 0.984 | 0.984 | 1 |
+| Distance Euclidienne Normalisée | 1.0 | 0.998 | 0.998 | 0.996 | 0.996 | 0.998 | 0.998 | 0.998 | 0.998 | 0.998 | 0.998 | 1 |
+| Distance Manhattan | 0.978 | 0.972 | 0.984 | 0.980 | 0.984 | 0.984 | 0.984 | 0.984 | 0.984 | 0.984 | 0.984 | 5 |
+| Distance Manhattan Normalisée | 0.980 | 0.984 | 0.988 | 0.984 | 0.984 | 0.986 | 0.986 | 0.986 | 0.986 | 0.986 | 0.984 | 5 |
+
+On a ici des résultats bien meilleurs. En effet, estimer si un Pokemon est legendaire ou non est bien plus simple qu'estimer son type, les attributs des pokemons legendaires sont bien différent des pokemons non-legendaire contrairement aux types, ou selon les types, les valeurs ne fluctuent pas autant
+
+---
## Efficacité
diff --git a/res/stages/add-data-stage.fxml b/res/stages/add-data-stage.fxml
index 9b58157236839645fcb24b3b5a8a5422cdc7a7dc..2cf27241564c1caee29b07b65773d70f5b52cbc0 100644
--- a/res/stages/add-data-stage.fxml
+++ b/res/stages/add-data-stage.fxml
@@ -1,5 +1,6 @@
<?xml version="1.0" encoding="UTF-8"?>
+<?import javafx.geometry.*?>
<?import javafx.scene.*?>
<?import javafx.scene.control.*?>
<?import javafx.scene.layout.*?>
@@ -9,16 +10,19 @@
<Stage fx:id="stage" xmlns="http://javafx.com/javafx/17.0.2-ea" xmlns:fx="http://javafx.com/fxml/1" fx:controller="fr.univlille.sae.classification.controller.AddDataController">
<scene>
<Scene>
- <AnchorPane prefHeight="406.0" prefWidth="385.0">
+ <AnchorPane prefHeight="458.0" prefWidth="389.0">
<children>
- <VBox alignment="CENTER" layoutY="385.0" prefHeight="38.0" prefWidth="384.0" spacing="20.0">
+ <VBox alignment="CENTER" layoutX="1.0" layoutY="420.0" prefHeight="38.0" prefWidth="384.0" spacing="20.0">
<children>
<Button fx:id="confirmAdd" mnemonicParsing="false" onAction="#validate" stylesheets="@../css/style.css" text="Valider" textFill="WHITE">
<font>
<Font name="System Bold" size="13.0" />
</font></Button>
</children></VBox>
- <VBox fx:id="entries" layoutY="16.0" prefHeight="366.0" prefWidth="385.0" spacing="10.0" />
+ <VBox fx:id="entries" layoutY="-4.0" prefHeight="424.0" prefWidth="390.0" spacing="10.0">
+ <opaqueInsets>
+ <Insets top="1.0" />
+ </opaqueInsets></VBox>
</children></AnchorPane>
</Scene>
</scene>
diff --git a/src/main/java/fr/univlille/sae/classification/controller/LoadDataController.java b/src/main/java/fr/univlille/sae/classification/controller/LoadDataController.java
index 71148b8528256db75809435ad16ea755ca16bb19..78ebe5078f84237ad315f4adb45649393a71c07c 100644
--- a/src/main/java/fr/univlille/sae/classification/controller/LoadDataController.java
+++ b/src/main/java/fr/univlille/sae/classification/controller/LoadDataController.java
@@ -91,7 +91,7 @@ public class LoadDataController {
ClassificationModel.getClassificationModel().setType(typeChoisi);
try {
- DataVisualizationView.resetAxis();
+ DataVisualizationView.resetEachAxis();
LoadableData.setClassificationTypeGlobal(-1);
ClassificationModel.getClassificationModel().loadData(file);
ChooseAttributesView chooseAttributesView = new ChooseAttributesView(ClassificationModel.getClassificationModel(), (Stage) stage.getOwner());
diff --git a/src/main/java/fr/univlille/sae/classification/knn/MethodKNN.java b/src/main/java/fr/univlille/sae/classification/knn/MethodKNN.java
index c27e2df513ced5ab0a53559accbdfc9317c5b0e5..0feaffea43ff15dae651a05252932b7788f5ef50 100644
--- a/src/main/java/fr/univlille/sae/classification/knn/MethodKNN.java
+++ b/src/main/java/fr/univlille/sae/classification/knn/MethodKNN.java
@@ -169,6 +169,9 @@ public class MethodKNN {
MethodKNN.updateModel(model.getDatas());
System.out.println();
+ // Permet de definir l'attribut sur lequel ont souhaite classifier:
+ LoadableData.setClassificationTypeGlobal(12);
+
List<LoadableData> datas = ClassificationModel.getClassificationModel().getDatas();
// On mélange les données pour tester sur differentes variétes car le fichier de base est trié.
Collections.shuffle(datas);
diff --git a/src/main/java/fr/univlille/sae/classification/model/DataType.java b/src/main/java/fr/univlille/sae/classification/model/DataType.java
index 0881c8866aee02eeaf5db1b27dc328bdaad5fc14..99e9113443a7261fb700889692fe4c8c6194e7bb 100644
--- a/src/main/java/fr/univlille/sae/classification/model/DataType.java
+++ b/src/main/java/fr/univlille/sae/classification/model/DataType.java
@@ -3,7 +3,7 @@ package fr.univlille.sae.classification.model;
public enum DataType {
IRIS(4, Iris.class),
- POKEMON(11, Pokemon.class);
+ POKEMON(12, Pokemon.class);
private final int argumentSize;
private final Class<? extends LoadableData> clazz;
diff --git a/src/main/java/fr/univlille/sae/classification/model/LoadableData.java b/src/main/java/fr/univlille/sae/classification/model/LoadableData.java
index 81eeaeb369c0c700abd0af9c69d086e1c8847f1e..69088689a75b1f598a2523bb0c072253653d73c3 100644
--- a/src/main/java/fr/univlille/sae/classification/model/LoadableData.java
+++ b/src/main/java/fr/univlille/sae/classification/model/LoadableData.java
@@ -18,6 +18,10 @@ public abstract class LoadableData {
protected static int classificationType = 1;
+
+
+ // Ho-Ho 130, 30720, 3, 90, 1250000, 106, 154, 90 fire, flying, 199s
+
/**
* Constructeur par défaut.
*/
diff --git a/src/main/java/fr/univlille/sae/classification/model/PointFactory.java b/src/main/java/fr/univlille/sae/classification/model/PointFactory.java
index 27eba5e9a8c138c2bf0ef639b73bfeada563ed68..63a1bc9c834ef4beeb0636bfd5a4d9bbcf45e437 100644
--- a/src/main/java/fr/univlille/sae/classification/model/PointFactory.java
+++ b/src/main/java/fr/univlille/sae/classification/model/PointFactory.java
@@ -1,5 +1,7 @@
package fr.univlille.sae.classification.model;
+import java.util.Arrays;
+
/**
* Usine pour créer des objets LoadableData en fonction du type de données.
*/
@@ -15,7 +17,7 @@ public class PointFactory {
public static LoadableData createPoint(DataType type, Object[] coords) throws IllegalArgumentException {
int size = coords.length;
LoadableData data;
-
+ System.out.println("Arrays : " + Arrays.toString(coords) + " " + size);
switch (type) {
case IRIS:
if (size != DataType.IRIS.getArgumentSize()) {
@@ -25,14 +27,22 @@ public class PointFactory {
break;
case POKEMON:
if(size != DataType.POKEMON.getArgumentSize()) {
- throw new IllegalArgumentException("Le nombre de coordonnées doit être de 11 pour le type POKEMON.");
+ throw new IllegalArgumentException("Le nombre de coordonnées doit être de 12 pour le type POKEMON.");
}
data = null;
if (coords.length == 13) {
- data = new Pokemon(coords);
+ try {
+ data = new Pokemon(coords);
+ } catch (IllegalAccessException e) {
+ throw new IllegalArgumentException("Erreur lors de la création du Pokemon");
+ }
}
- else if (coords.length == 11) {
- data = new Pokemon((String) coords[0], (Integer) coords[1], (Integer) coords[2], (Double) coords[3], (Integer) coords[4], (Integer) coords[5], (Integer) coords[6], (Integer) coords[7], (Integer) coords[8], "undefined", "", (Double) coords[9], (Boolean) coords[10]);
+ else if (coords.length == 12) {
+ try {
+ data = new Pokemon(coords);
+ } catch (IllegalAccessException e) {
+ throw new IllegalArgumentException("Une erreur est survenue lors de la création du point");
+ }
}
break;
default:
diff --git a/src/main/java/fr/univlille/sae/classification/model/Pokemon.java b/src/main/java/fr/univlille/sae/classification/model/Pokemon.java
index 92383a09e1ab7828b13d774bd2927d1770bcde48..a01479b9ee9a4aafebc94b52848e393d45d18e68 100644
--- a/src/main/java/fr/univlille/sae/classification/model/Pokemon.java
+++ b/src/main/java/fr/univlille/sae/classification/model/Pokemon.java
@@ -2,6 +2,7 @@ package fr.univlille.sae.classification.model;
import com.opencsv.bean.CsvBindByName;
+import java.lang.reflect.Field;
import java.util.*;
public class Pokemon extends LoadableData{
@@ -34,7 +35,7 @@ public class Pokemon extends LoadableData{
@CsvBindByName(column = "speed")
private double speed;
@CsvBindByName(column = "is_legendary")
- private boolean isLegendary;
+ private Boolean isLegendary = null ;
@@ -60,9 +61,23 @@ public class Pokemon extends LoadableData{
this.isLegendary = isLegendary;
}
- public Pokemon(Object[] list) {
+ /** public Pokemon(Object[] list) {
this((String) list[0], (Integer) list[1], (Integer) list[2], (Double) list[3], (Integer) list[4], (Integer) list[5], (Integer) list[6], (Integer) list[7], (Integer) list[8], (String) list[9], (String) list[10], (Double) list[11], (Boolean) list[12]);
}
+ */
+
+ public Pokemon(Object[] list) throws IllegalAccessException {
+
+ Field[] fields = getClass().getDeclaredFields();
+ for(int i = 0; i<fields.length; i++) {
+ if(i != LoadableData.classificationType) {
+ fields[i].set(this, list[i]);
+ }else if(fields[i].getType().equals(String.class)) {
+ fields[i].set(this, "undefinied");
+ }
+ }
+
+ }
/**
* Constructeur par défaut.
@@ -88,7 +103,13 @@ public class Pokemon extends LoadableData{
*/
@Override
public void setClassification(String classification) throws IllegalAccessException {
- this.getClass().getDeclaredFields()[classificationType].set("", classification);
+ Field field = this.getClass().getDeclaredFields()[classificationType];
+ if(field.getClass().equals(String.class)) {
+ field.set(this, classification);
+ }else if(field.getType().equals(Boolean.class)) {
+ field.set(this, Boolean.valueOf(classification));
+ }
+
}
diff --git a/src/main/java/fr/univlille/sae/classification/view/DataVisualizationView.java b/src/main/java/fr/univlille/sae/classification/view/DataVisualizationView.java
index 4731963414da81af4948af4fb470355cd4afc5ae..39a043e791baf5e8e17a725fe29256f61f13461d 100644
--- a/src/main/java/fr/univlille/sae/classification/view/DataVisualizationView.java
+++ b/src/main/java/fr/univlille/sae/classification/view/DataVisualizationView.java
@@ -8,6 +8,7 @@ import fr.univlille.sae.classification.model.LoadableData;
import fr.univlille.sae.classification.utils.Observable;
import fr.univlille.sae.classification.utils.ViewUtil;
import javafx.scene.Node;
+import javafx.scene.chart.NumberAxis;
import javafx.scene.chart.ScatterChart;
import javafx.scene.chart.XYChart;
import javafx.scene.layout.HBox;
@@ -22,7 +23,7 @@ import java.util.*;
*/
public abstract class DataVisualizationView {
- private static Set<DataVisualizationView> views;
+ private static Set<DataVisualizationView> views = new HashSet<>();
public DataVisualizationController controller;
@@ -49,8 +50,18 @@ public abstract class DataVisualizationView {
}
- public static void resetAxis() {
+ public static void resetEachAxis() {
// call method resetAxis for each instance of DataVisualizationView (views)
+ for(DataVisualizationView view : views) {
+ view.resetAxis();
+ }
+ }
+
+ public void resetAxis(){
+ setActualY("");
+ setActualX("");
+ ((NumberAxis) scatterChart.getXAxis()).setLabel("");
+ ((NumberAxis) scatterChart.getYAxis()).setLabel("");
}
/**
@@ -158,7 +169,7 @@ public abstract class DataVisualizationView {
if(editSerie == null){
editSerie = new ScatterChart.Series<Double, Double>();
}
- if(data.getClassification().equals("undefined") || model.getDataToClass().containsKey(data)) {
+ if(data.getClassification().equals("undefined") || data.getClassification().equals("null") || model.getDataToClass().containsKey(data)) {
nodePoint = ViewUtil.getForm(data, new Rectangle(10,10), controller);
}
@@ -195,8 +206,6 @@ public abstract class DataVisualizationView {
return;
}
-
-
LoadableData newData = (LoadableData) data;
if (actualX == null || actualY == null) {
controller.setAxesSelected("Aucuns axes sélectionnés");