Question

我在我的一个研究项目中使用DEAP＆＃39; implementation of genetic programming。

我想创建一个适用于pandas DataFrames的GP：每个原语都是一个自定义函数，它将DataFrame作为输入并返回DataFrame作为输出。类似地，终端可以是所有1或所有0的数据帧。

其中一个基元的简单示例可能是（注意这是伪代码）：

def add_5(input_df):
    return input_df + 5

pset.addPrimitive(add_5)

并且示例终端可以是：

pset.addTerminal(pd.DataFrame(np.ones(500))

DEAP可以实现吗？代码会是什么样的？我一直在努力来自终端的NoneType错误。

Answer 1

你在deap中使用强类型gp吗？定义灵长类动物的类型

这里有一个很好的代码示例

http://deap.readthedocs.org/en/latest/tutorials/advanced/gp.html#strongly-typed-gp

Answer 2

我能够在DEAP开发人员的帮助下解决这个问题。对于那些发现自己处于我的位置的人，下面是DEAP GP算法的一些工作代码，它将DataFrame的两列中的值优化为0.示例问题显然是微不足道的，无用的;它意味着是一个简单的DEAP工作在DataFrames的例子。

import operator
import math
import random

import numpy as np
import pandas as pd

from deap import algorithms
from deap import base
from deap import creator
from deap import tools
from deap import gp

def add_5(input_df):
    return input_df + 5.

def subtract_5(input_df):
    return input_df - 5.

def multiply_5(input_df):
    return input_df * 5.

def divide_5(input_df):
    return input_df / 5.


pset = gp.PrimitiveSet('MAIN', 1)
pset.addPrimitive(add_5, 1)
pset.addPrimitive(subtract_5, 1)
pset.addPrimitive(multiply_5, 1)
pset.addPrimitive(divide_5, 1)

creator.create('FitnessMin', base.Fitness, weights=(-1.0,))
creator.create('Individual', gp.PrimitiveTree, fitness=creator.FitnessMin)

toolbox = base.Toolbox()
toolbox.register('expr', gp.genHalfAndHalf, pset=pset, min_=1, max_=2)
toolbox.register('individual', tools.initIterate, creator.Individual, toolbox.expr)
toolbox.register('population', tools.initRepeat, list, toolbox.individual)
toolbox.register('compile', gp.compile, pset=pset)

def evalSymbReg(individual, points):
    # Transform the tree expression in a callable function
    func = toolbox.compile(expr=individual)
    result = func(points)
    return abs(result.column1.sum() + result.column2.sum()),

toolbox.register('evaluate', evalSymbReg, points=pd.DataFrame({'column1': [125] * 500, 'column2': [125] * 500}))
toolbox.register('select', tools.selTournament, tournsize=3)
toolbox.register('mate', gp.cxOnePoint)
toolbox.register('expr_mut', gp.genFull, min_=0, max_=2)
toolbox.register('mutate', gp.mutUniform, expr=toolbox.expr_mut, pset=pset)


if __name__ == '__main__':
    pop = toolbox.population(n=100)
    hof = tools.HallOfFame(1)
    stats = tools.Statistics(lambda ind: ind.fitness.values)
    stats.register('avg', np.mean)
    stats.register('min', np.min)
    stats.register('max', np.max)
    pop, log = algorithms.eaSimple(pop, toolbox, 0.5, 0.1, 20, stats=stats, halloffame=hof)

在DEAP中实现适用于pandas DataFrame的GP

2 个答案: