Difference: EnergyRegressionIPNL (1 vs. 10)

Revision 102014-05-23 - BenoitCourbon

Line: 1 to 1
 
META TOPICPARENT name="CamiloSHiggsStudies"
Added:
>
>
 

Photon Energy Regression Studies at IPNL

Code :

Line: 54 to 57
 root -l macros/example/eregtraining.C+ root -l macros/example/eregtesting.C+
Changed:
<
<
One should use an appropriate rootlogon.C (for example rootlogon.C)
>
>
One should use an appropriate rootlogon.C, such as :
TString libstr(Form("%s/lib/%s/%s",gSystem->Getenv("CMSSW_BASE"),gSystem->Getenv("SCRAM_ARCH"),"libHiggsAnalysisGBRLikelihood.so")); 
gSystem->Load(libstr);
gInterpreter->AddIncludePath((TString(":")+TString(gSystem->Getenv("ROOFITSYS"))+TString("/include")).Data());
gSystem->AddIncludePath("-I$CMSSW_BASE/src/HiggsAnalysis/GBRLikelihood/interface");
gSystem->AddIncludePath("-I$ROOFITSYS/include");
  The input files are on eos (need to install eos and to specify correctly the path in the code)
Line: 62 to 71
 

Documentation :

Changed:
<
<
  • presentations (link Indico)
https://indico.cern.ch/event/241450/contribution/2/material/slides/0.pdf
  • Hgg Analysis note
  • Friedman paper
  • internal mails
>
>

 

-- CamiloCarrillo - 06 May 2014 \ No newline at end of file

Revision 62014-05-12 - BenoitCourbon

Line: 1 to 1
 
META TOPICPARENT name="CamiloSHiggsStudies"
 
Changed:
<
<
- Méthode Traditionnelle (JB Sauvan)
>
>

Photon Energy Regression Studies at IPNL

 
Changed:
<
<
Le code pour faire tourner la régression est le suivant : https://github.com/jbsauvan/RegressionTraining Pour l'utiliser, il faut faire :
>
>

Code :

 
Added:
>
>

Traditionnal Regression (JB Sauvan)

 git clone https://github.com/jbsauvan/RegressionTraining.git cd RegressionTraining/ make ./regression.exe run/GBR_Photons_70pre11.config
Added:
>
>
 
Changed:
<
<
(attention à bien spécifier l'adresse de l'input file dans le fichier de config)
>
>
The input file should be specified in GBR_Photons_70pre11.config
 
Changed:
<
<
J'ai réussi à faire tourner le code, çà avait l'air de très bien marcher selon les informations affichées par le terminal. Mais je n'arrive pas à lire le fichier d'output (ci-joint : GBR_Clustering_70pre11_Photons_EG_results.root), cela semble dû au fait que les objets qu'ils contient ne sont pas des simples trees mais des objets spécifiques à la classe GBRForest. Cependant, je n'ai pas encore eu le temps de beaucoup chercher, et j'espère arriver à lire ce fichier d'ici quelques jours afin de vérifier si la régression a bien marché.
>
>
One can use the following tree : /eos/cms/store/group/phys_egamma/lgray/PhotonRegressionTrees_23012014_v2-runPhotonRegressionTrees_cfg/
 
Changed:
<
<
En ce qui concerne les inputs files, on peut les trouver à l'adresse suivante : /eos/cms/store/group/phys_egamma/lgray/PhotonRegressionTrees_23012014_v2-runPhotonRegressionTrees_cfg/ Il faut donc installer eos :
>
>
(to install eos :
cd 
 mkdir eos eosmount eos
Changed:
<
<
Sinon, Jean Baptiste m'a aussi donné un code pour les produire (ci-joint/Energyregression(service work).zip). Je n'ai pas réussi à le faire tourner car je ne comprends pas bien comment il fonctionne, j'aurais besoin de votre expérience concernant les EDAnalyzers.
>
>
)

To produce the input trees by yourself :

mkedanlzr MyAnalyser
Copy the following files : GedPhotonRegTreeMaker.cc , GedPhotonRegTreeMaker.h, runPhotonRegressionTrees_cfg.py
scram b
cmsRun runPhotonRegressionTrees_cfg.py
 
Changed:
<
<
Une remarque générale, tout le code de Jean Baptiste est très bien écrit donc je pense assez rapidement arriver à bien l'utiliser
>
>
The output file of the regression training is GBR_Clustering_70pre11_Photons_EG_results.root
 
Added:
>
>

Semi-Parametric Regression (Josh Bendavid)

 
Changed:
<
<
- Méthode semi-paramétrique (Josh Bendavid)
>
>
Use CMSSW 62x or 70x
 
Changed:
<
<
Il faut avoir CMSSW 62x ou 70x Pour utiliser le code : git clone https://github.com/bendavid/GBRLikelihood.git HiggsAnalysis/GBRLikelihood
>
>
git clone https://github.com/bendavid/GBRLikelihood.git HiggsAnalysis/GBRLikelihood
 scram b root -l macros/example/eregtraining.C+ root -l macros/example/eregtesting.C+
Added:
>
>
One should use an appropriate rootlogon.C (for example rootlogon.C)
 
Changed:
<
<
Il faut avoir un roologon approprié pour tourner le code, (ci-joint : rootlogon.C) Là encore : installer eos et bien spécifier l'adresse des fichiers d'entrées

J'ai réussi à faire tourner ces macros, elles produisent un certain nombre de plots relatifs à la regression (Distributions de l'energie brute et de l'energie corrigée, distribution des paramètres de la double Crystal-Ball utilisée pour fitter la correction en énergie) (ci-joint : plots_Semi_Par.tar.gz)

Documentation :

Il n'y a pas de documentation "spécialement" pour la régression mais j'ai pu trouver un certain nombre de choses utiles. Tout d'abord j'ai pu collecter la plupart des présentations de Josh et Jean-Baptiste sur le sujet (piece jointe: JBtalks.tar.gz et Joshtalks.tar.gz) La méthode semi-paramétrique est assez bien expliquée dans la dernière analyse note sur Higgs en Gamma Gamma Enfin Jean Baptiste m'a conseillé un article sur les algorithmes de "machine learning" en général. J'ai lu le début, c'est très complexe mais aussi très bien expliqué à première vue (piece jointe : trebst.pdf)

>
>
The input files are on eos (need to install eos and to specify correctly the path in the code)
 
Added:
>
>
The ouput files are the raw energy (RawE.eps, RawElog.eps), the corrected energy compared to the raw energy (response.eps, responselog.eps), the regressed parameters of the the double Crystal Ball used to fit the target (mean.eps, width.eps, n.eps, n2.eps), the eta distribution of the testing events (eta.eps)
 
Added:
>
>

Documentation :

 
Changed:
<
<
Si vous avez besoin de plus de détails je vous renvoie vers les mails suivants (pour lesquels vous etes normalement en cc) : -mail de Josh du 18/04 ("Re : Energy Regression) -mail de Jean Baptiste du 24/04 ("Re : Energy Regression Studies) -mail de Jean Baptiste du 25/04 ("Re : Energy Regression Studies)
>
>
  • presentations (link Indico)
  • Hgg Analysis note
  • Friedman paper
  • internal mails
 
Deleted:
<
<
Voilà, j'espère qu'on pourra conserver ce mail en tant que base de travail pour la régression, je pourrais faire un twiki quand j'aurais plus avancé et mieux compris. J'aurai évidemment besoin de toute votre aide pour pouvoir progresser! Merci, et à la semaine prochaine!
  -- CamiloCarrillo - 06 May 2014 \ No newline at end of file

Revision 12014-05-06 - CamiloCarrillo

Line: 1 to 1
Added:
>
>
META TOPICPARENT name="CamiloSHiggsStudies"
Code :

- Méthode Traditionnelle (JB Sauvan)

Le code pour faire tourner la régression est le suivant : https://github.com/jbsauvan/RegressionTraining Pour l'utiliser, il faut faire :

git clone https://github.com/jbsauvan/RegressionTraining.git cd RegressionTraining/ make ./regression.exe run/GBR_Photons_70pre11.config

(attention à bien spécifier l'adresse de l'input file dans le fichier de config)

J'ai réussi à faire tourner le code, çà avait l'air de très bien marcher selon les informations affichées par le terminal. Mais je n'arrive pas à lire le fichier d'output (ci-joint : GBR_Clustering_70pre11_Photons_EG_results.root), cela semble dû au fait que les objets qu'ils contient ne sont pas des simples trees mais des objets spécifiques à la classe GBRForest. Cependant, je n'ai pas encore eu le temps de beaucoup chercher, et j'espère arriver à lire ce fichier d'ici quelques jours afin de vérifier si la régression a bien marché.

En ce qui concerne les inputs files, on peut les trouver à l'adresse suivante : /eos/cms/store/group/phys_egamma/lgray/PhotonRegressionTrees_23012014_v2-runPhotonRegressionTrees_cfg/ Il faut donc installer eos : mkdir eos eosmount eos Sinon, Jean Baptiste m'a aussi donné un code pour les produire (ci-joint/Energyregression(service work).zip). Je n'ai pas réussi à le faire tourner car je ne comprends pas bien comment il fonctionne, j'aurais besoin de votre expérience concernant les EDAnalyzers.

Une remarque générale, tout le code de Jean Baptiste est très bien écrit donc je pense assez rapidement arriver à bien l'utiliser

- Méthode semi-paramétrique (Josh Bendavid)

Il faut avoir CMSSW 62x ou 70x Pour utiliser le code : git clone https://github.com/bendavid/GBRLikelihood.git HiggsAnalysis/GBRLikelihood scram b root -l macros/example/eregtraining.C+ root -l macros/example/eregtesting.C+

Il faut avoir un roologon approprié pour tourner le code, (ci-joint : rootlogon.C) Là encore : installer eos et bien spécifier l'adresse des fichiers d'entrées

J'ai réussi à faire tourner ces macros, elles produisent un certain nombre de plots relatifs à la regression (Distributions de l'energie brute et de l'energie corrigée, distribution des paramètres de la double Crystal-Ball utilisée pour fitter la correction en énergie) (ci-joint : plots_Semi_Par.tar.gz)

Documentation :

Il n'y a pas de documentation "spécialement" pour la régression mais j'ai pu trouver un certain nombre de choses utiles. Tout d'abord j'ai pu collecter la plupart des présentations de Josh et Jean-Baptiste sur le sujet (piece jointe: JBtalks.tar.gz et Joshtalks.tar.gz) La méthode semi-paramétrique est assez bien expliquée dans la dernière analyse note sur Higgs en Gamma Gamma Enfin Jean Baptiste m'a conseillé un article sur les algorithmes de "machine learning" en général. J'ai lu le début, c'est très complexe mais aussi très bien expliqué à première vue (piece jointe : trebst.pdf)

Si vous avez besoin de plus de détails je vous renvoie vers les mails suivants (pour lesquels vous etes normalement en cc) : -mail de Josh du 18/04 ("Re : Energy Regression) -mail de Jean Baptiste du 24/04 ("Re : Energy Regression Studies) -mail de Jean Baptiste du 25/04 ("Re : Energy Regression Studies)

Voilà, j'espère qu'on pourra conserver ce mail en tant que base de travail pour la régression, je pourrais faire un twiki quand j'aurais plus avancé et mieux compris. J'aurai évidemment besoin de toute votre aide pour pouvoir progresser! Merci, et à la semaine prochaine!

-- CamiloCarrillo - 06 May 2014

 
This site is powered by the TWiki collaboration platform Powered by PerlCopyright &© 2008-2019 by the contributing authors. All material on this collaboration platform is the property of the contributing authors.
Ideas, requests, problems regarding TWiki? Send feedback