fix doc bug & slides & paper

MLSR/plot.py

@@ -10,6 +10,7 @@
 def plot_confusion_matrix(cm, classes, filename, title='Confusion matrix', cmap=plt.cm.Blues):
     """
     绘制混淆矩阵，如果本地有图形界面或
+
     Args:
         cm: 混淆矩阵，numpy.ndarray
         classes: 类名
@@ -43,6 +44,7 @@ def plot_confusion_matrix(cm, classes, filename, title='Confusion matrix', cmap=
 def plot_roc(model, X, y, filename):
     """
     画roc图，不过sklearn只支持二分类roc，三分类画不了
+
     Args:
         model: 模型
         X: 特征
@@ -63,6 +65,7 @@ def plot_roc(model, X, y, filename):
 def plot_tsne(data: DataSet, filename: str, n_iter: int = 1000):
     """
     tSNE降维绘图
+
     Args:
         data: 数据集
         filename: 图片保存路径
@@ -92,6 +95,7 @@ def plot_tsne(data: DataSet, filename: str, n_iter: int = 1000):
 def plot_tsne_ssl(data: DataSet, filename: str, n_iter: int = 1000):
     """
     半监督数据集的tSNE降维绘图
+
     Args:
         data: 数据集
         filename: 图片保存路径

MLSR/primary.py

@@ -18,6 +18,7 @@ def lower_bound(cv_results: dict):
     Calculate the lower bound within 1 standard deviation
     of the best `mean_test_scores`.
     Author: Wenhao Zhang <[email protected]>
+
     Args:
         cv_results: dict of numpy(masked) ndarrays
         See attribute cv_results_ of `GridSearchCV`
@@ -39,6 +40,7 @@ def best_low_complexity(cv_results: dict):
     """
     Balance model complexity with cross-validated score.
     Author: Wenhao Zhang <[email protected]>
+
     Args:
         cv_results: dict of numpy(masked) ndarrays
         See attribute cv_results_ of `GridSearchCV`.
@@ -72,6 +74,7 @@ def grid_search_and_result(
         fit_params: dict = None):
     """
     交叉验证网格搜索，测试集和训练集得分，混淆矩阵和ROC曲线绘制
+
     Args:
         Xtrain: 训练集特征
         ytrain: 训练集标签
@@ -137,6 +140,7 @@ def grid_search_and_result(
 def do_decision_tree(dataset: DataSet, log_dir: str = '../log', grid: dict = None):
     """
     训练决策树
+
     Args:
         grid:超参数搜索空间的网格，不填则使用默认搜索空间
         dataset:输入数据集，将会按照0.7, 0.3比例分为训练集和测试集
@@ -167,6 +171,7 @@ def do_decision_tree(dataset: DataSet, log_dir: str = '../log', grid: dict = Non
 def do_random_forest(dataset: DataSet, log_dir: str = '../log', grid: dict = None):
     """
     训练随机森林
+
     Args:
         grid:超参数搜索空间的网格，不填则使用默认搜索空间
         dataset:输入数据集，将会按照0.7, 0.3比例分为训练集和测试集
@@ -212,6 +217,7 @@ def do_random_forest(dataset: DataSet, log_dir: str = '../log', grid: dict = Non
 def do_svm(dataset: DataSet, log_dir: str = '../log', grid: dict = None):
     """
     训练支持向量机
+
     Args:
         grid:超参数搜索空间的网格，不填则使用默认搜索空间
         dataset:输入数据集，将会按照0.7, 0.3比例分为训练集和测试集
@@ -255,6 +261,7 @@ def do_svm(dataset: DataSet, log_dir: str = '../log', grid: dict = None):
 def do_logistic(dataset: DataSet, log_dir: str = '../log', grid: dict = None):
     """
     训练逻辑回归
+
     Args:
         grid:超参数搜索空间的网格，不填则使用默认搜索空间
         dataset:输入数据集，将会按照0.7, 0.3比例分为训练集和测试集
@@ -286,6 +293,7 @@ def do_logistic(dataset: DataSet, log_dir: str = '../log', grid: dict = None):
 def do_naive_bayes(dataset: DataSet, log_dir: str = '../log', grid: dict = None):
     """
     训练朴素贝叶斯
+
     Args:
         grid:超参数搜索空间的网格，不填则使用默认搜索空间
         dataset:输入数据集，将会按照0.7, 0.3比例分为训练集和测试集
@@ -310,6 +318,7 @@ def do_naive_bayes(dataset: DataSet, log_dir: str = '../log', grid: dict = None)
 def do_xgb(dataset: DataSet, log_dir: str = '../log', grid: dict = None):
     """
     训练Xgboost
+
     Args:
         grid:超参数搜索空间的网格，不填则使用默认搜索空间
         dataset:输入数据集，将会按照0.7, 0.3比例分为训练集和测试集

MLSR/ssl.py

@@ -24,6 +24,7 @@ def grid_search_and_result_ssl(
         k: int = 5):
     """
     交叉验证网格搜索，测试集和训练集得分，混淆矩阵和ROC曲线绘制
+
     Args:
         Xtrain: 训练集特征
         ytrain: 训练集标签
@@ -84,6 +85,7 @@ def grid_search_and_result_ssl(
 def do_tsvm(data: DataSet, log_dir: str = '../log', grid: dict = None):
     """
     Transductive Support Vector Machine
+
     Args:
         data: 输入数据DataSet对象
         grid:超参数搜索空间的网格，不填则使用默认搜索空间