在 DEAP 中实现适用于 pandas DataFrame 的 GP

Question

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

我想创建一个适用于 pandas DataFrame 的 GP：每个原语都是一个自定义函数，将 DataFrame 作为输入，returns DataFrame 作为输出。同样，终端可以是全 1 或全 0 的 DataFrame。

原语之一的简单示例可能是（请注意，这是伪代码）：

def add_5(input_df):
    return input_df + 5

pset.addPrimitive(add_5)

示例终端可以是：

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

DEAP 可以吗？代码会是什么样子？我不断得到例如NoneType 来自终端的错误。

Answer 1

你在 deep 中使用强类型 gp 吗？定义基元的类型

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

在 DEAP 开发人员的帮助下，我能够解决这个问题。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，该算法将 DataFrame 的两列中的值优化为 0。示例问题显然是微不足道且无用的；它是 DEAP 在 DataFrames 上工作的一个简单示例。

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

Implementing GP that works on pandas DataFrames in DEAP

python

pandas

genetic-programming

deap