gplearn开源库分析

feature_extraction模块算法文档

1.符号树模块

符号树模块的作用是,从训练集X和function_set中进行随机采样,生成一棵符号树,同时提供子树变异、 crossover、hoist变异和点变异的方法。

1.1基本属性

参数说明
function_setfunction_set里面是基本的函数算子比如[‘add’, ‘sub’, ‘mul’]
arities形式为{arity:[functions]}`的字典,表示function_set里面计算符的元数
init_depthtuple类型表示树的深度的可选范围,默认init_depth=(2, 6)
init_method符号树模型初始化的方法初始化方法包括’half and half’ 'full’和‘grow’三种方式
n_featuresint类型 训练集X的特征数目
const_range[0, 1] 常数或者常量的范围
metric评估的标准
p_point_replacefloat,点变异的概率
parsimony_coefficientfloat 惩罚系数,搜索系数
feature_nameslist, optional (default=None) 特征列名
symbol_treelist, optional (default=None) 符号树的扁平树表示

1.2方法

方法名说明
_init_符号树参数初始化模块
validate_tree对输入参数symbol_tree进行检验
build_tree按照full grow half and half生成初始符号树
_str_字符串输出符号树结构
get_subtree从符合树中获取随机子树
crossover两颗符号树交叉
subtree_mutation无头鸡的子树生成方式
hoist_mutationhoist变异
point_mutation点变异
reproduce进行完整的复制
execute把符号树转成运算关系进行计算
get_all_indices获取袋内数据和袋外数据的index
fitness根据收缩系数进行约束
raw_fitness返回个体的适应度也就是得分
length符号树长度
depth符号树深度
export_graphviz画图把符号树画出来

1.3 build_tree算法原理

用到的数据结构:

terminal_stack: 存储是几元运算的一个栈

symbol_tree: lisp_tree 列表树, Lisp列表是基于广义表的结构,所以很容易将一个列表表达成树结构。 S-表达式可能以其在Lisp家族的编程语言中的使用而为人所知,约翰·麦卡锡发明LISP于1958年,首次由史蒂夫·拉塞尔实施在IBM704计算机上,它特别适合用于人工智能方案,因为它有效地处理的符号信息。

在前缀表示法,运算符在自己操作数前写。例如,表达式

a * ( b + c ) / d

被写成

(/ (* a (+ b c) ) d)

例如公式:
image.png

它也可以写作:
image.png

写成S表达式就变成了这个
image.png

对应的二叉树
image.png

也就是说s表达式对应于符号树的先序遍历

算法输入:function_set[‘add’, ‘sub’, ‘mul’] , arities{2:[‘add’, ‘sub’, ‘mul’]}, method: grow , max_depth:3(2-4内的一个随机数)

method: grow
n_features: 10max_depth:2function_index:0function地址:<functions._Function object at 0x000001E538356EB0>function_name:add
program:[add]terminal_stack:[2]循环部分############LOOP##########################第1次
depth: 1 # program的长度也就是符号树的list表长度 等于 len(terminal_stack)choice: 13choice_index: 1 #depth < max_depth或者choice_index <= len(self.function_set)就会从function_set里面选择一个比如这里选择addfunction_index: 0function: add
1_program: [add, add]1_terminal_stack: [2, 2]第2次    
depth: 2choice: 13choice_index: 11 2_terminal: 10 # 这里terminal是10和n_features相等,所以会生成一个随机的float数值3_terminal: 0.83956505168828552_program: [add, add, 0.8395650516882855]2_terminal_stack: [2, 1]# 加入了常数 第二个值就减去1第3次  
depth: 2choice: 13choice_index: 02_terminal: 8 # 这里terminal是10和n_features如果不相等的话就加入一个特征列3_terminal: 82_program: [add, ddd, 0.8395650516882855, 8]2_terminal_stack: [2, 0]2_terminal_stack.pop(): 0 # 等于0的时候就被pop掉了 然后stack减去1第4次    
depth: 1choice: 13choice_index: 52_terminal: 03_terminal: 02_program: [add, add, 0.8395650516882855, 8, 0]2_terminal_stack: [0]2_terminal_stack.pop(): 0最后树的形状变成这个
tree1: add(add(0.840, X8), X0)生成第2颗树的过程
method: grow
max_depth:4function_index:0function的地址:<functions._Function object at 0x000001E538356EB0>function_name:add
program:[add]terminal_stack:[2]#############LOOP#########################第1次
depth: 1choice: 13choice_index: 42_terminal: 33_terminal: 32_program: [add, 3]2_terminal_stack: [1]第2次
depth: 1choice: 13choice_index: 42_terminal: 63_terminal: 6 2_program: [add, 3, 6]2_terminal_stack: [0]2_terminal_stack.pop(): 0最后树的形状变成这个
tree2: [add, 3, 6]

画成流程图就是
image.png

1.4 get_subtree 获取随机子树

给symbol_tree里面的元素赋予权重如果是算子就是0.9 不是算子就是0.1

比如tree是

tree1: mul(X6, sub(X3, X1))

那么久赋予权重

probs: [0.9 0.1 0.9 0.1 0.1]

然后进行归一化就是除以sum

_probs: [0.42857143 0.47619048 0.9047619  0.95238095 1. ]

这里是采用轮盘赌法来选择切割点的

步骤

1)随机生成一个(0,1)内的随机值比如生成

s_index:0.8299421213898753

2)找到随机值在probs中应该在的位置这里这个位置就是start的位置

start: 2

3)初始化 end = start=2

stack = 1

如果end - start < stack那么

node = program[end]

如果node是算子的话那么stack要加上元数

stack += node.arity

end 自身一直加一直到program最后

画成流程图就是

image-20210419115722699

1.5 crossover算法模块原理

crossover的目的是进行子树交叉

image.png

第一步从符号树模块获得随机子树

 start, end = self.get_subtree(random_state)

第二步从其他符号树个体中获得随机子树

 donor_start, donor_end = self.get_subtree(random_state, donor)

第三步获得交叉后的符号树

self.symbol_tree[: start] + donor[donor_start : donor_end] + self.symbol_tree[end : ]
tree1: add(mul(X9, X4), X6)start, end: 1, 4removed:range(1, 4)donor: [mul, 6, 0.6656811846792283]donor_start, donor_end:(0, 3)donor_removed:[]结合生成的子树
new_tree[add, mul, 6, 0.6656811846792283, 6]最后得到的结果
                     add     mul x6       0.6656811846792283   x6
self.symbol_tree[: start] + donor[donor_start : donor_end] + self.symbol_tree[end : ]

1.6 subtree_mutation子树变异

由p_subtree_mutation参数控制。这是一种更激进的变异策略:优胜者的一棵子树将被另一棵完全随机的全新子树代替。

image.png

  chicken = self.build_tree(random_state) 直接生产一棵新的子树
  self.crossover(chicken, random_state) # 然后用crossover算法直接进行交叉生成子树

1.7 hoist_mutation hoist变异

hoist变异是一种对抗公式树膨胀(bloating,即过于复杂)的方法:从优胜者公式树内随机选择一个子树A,再从A里随机选择一个子树B,然后把B提升到A原来的位置,用B替代A。hoist的含义即「升高、提起」。

image.png

第一步获取一个随机子树A

 start, end = self.get_subtree(random_state)
 subtree = self.symbol_tree[start:end]

第二步从子树A中获取一个子树B

 # 获取随机子树Bsub_start, sub_end = self.get_subtree(random_state, subtree)hoist = subtree[sub_start:sub_end]

第三步 把B提升到A原来的位置,用B替代A

 self.symbol_tree[:start] + hoist + self.symbol_tree[end:]
tree1: add(X6, sub(add(X0, X2), X6))start, end: 0, 7subtree : [add, x6, sub, add, x0, x2, x6]mutation: sub_start, sub_end: 3, 6mutation_hoist : [add, x0, x2]removed: [0, 1, 2, 6]new_tree: [add, x0, x2]第二次
tree1: mul(X8, X0)mutation_start, end: 0, 3mutation_subtree : [mul, x8, x0]mutation: sub_start, sub_end: 1, 2mutation_hoist : [x8]removed: [0, 2]new_tree: [8]

1.8 point_mutation 点变异

p_point_replace参数控制。一个随机的节点将会被改变,比如加法可以被替换成除法,变量X0可以被替换成常数-2.5。点变异可以重新加入一些先前被淘汰的函数和变量,从而促进公式的多样性。

image.png

第一步复制符号树,并获取一个随机的点

 program = copy(self.symbol_tree) # 自己复制一份
 # 随机生成符号树长度个点,然后找到其中小于点变异概率的点组成一个list
 mutate = np.where(random_state.uniform(size = len(program)) < self.p_point_replace)[0]  # 获取一个随机的点

第二步遍历mutate的node节点,如果node是一个Function就替换,不是的话就加入常量或者feature

 if isinstance(program[node], _Function):arity = program[node].arity # 算子元数replacement_len = len(self.arities[arity]) # 找到和arity元数一样的算子有多少个replacement_index = random_state.randint(replacement_len) # 从里面随机选择一个replacement = self.arities[arity][replacement_index] # 找到index对应的算子program[node] = replacement # 进行替换

如果不是function

第一种情况

# 不是算子的话就是常量或者端点 加入一个常量if self.const_range is not None:terminal = random_state.randint(self.n_features + 1)else:terminal = random_state.randint(self.n_features) # 随机生成一个(0,n_features)内的一个数字terminalif terminal == self.n_features:  # 如果terminal和n_features相等的话就替换为一个(0,1)内float的数字terminal = random_state.uniform(*self.const_range)if self.const_range is None:raise ValueError('A constant was produced with const_range=None.')program[node] = terminal

2. fitness 模块获得符号树的适应性

2.1 get_all_indices 接口获得所有数据的index

第一步:进行参数校验

if self._indices_state is None and random_state is None: # 如果_indices_state和random_state都是Noneraise ValueError('The program has not been evaluated for fitness\n yet, indices not available.')if n_samples is not None and self._n_samples is None: #如果n_samples不为Noneself._n_samples = n_samplesif max_samples is not None and self._max_samples is None: # n_samples代表数据集的行数self._max_samples = max_samples # max_samples最大采样树if random_state is not None and self._indices_state is None:self._indices_state = random_state.get_state()

第二步 获得随机种子,然后获得袋外数据和袋内数据的index

  indices_state = check_random_state(None)
  indices_state.set_state(self._indices_state)  # 得到random_state
  not_indices =  sample_without_replacement(  self._n_samples,  self._n_samples - self._max_samples,  random_state=indices_state) # 袋外数据 这里是从[0,self._n_samples]中选出self._n_samples - self._max_samples个数据  
  sample_counts = np.bincount(not_indices, minlength=self._n_samples) # 找到每个index出现的次数了
  indices = np.where(sample_counts == 0)[0] # 出现次数是零的index就是被留下的数据,在袋内的数据了

其他函数

sample_without_replacement(n_population, n_samples, random_state,method): 采样函数,随机获取袋外数据,从集合[0,n_population]中选择n_samples个数据,有放回的抽样

参数介绍

参数说明
n_population被采样的数据大小
n_samples要采样多少个数据点
random_state如果int,random_state是随机数生成器使用的种子;如果RandomState实例,random_state是随机数生成器;如果None使用np.random的生成器
method如果method==“auto”,则使用n_samples / n_population的比率,如果比率在0.01和0.99之间使用numpy.random.permutation

2.2 raw_fitness

接口

raw_fitness(self, X, y, sample_weight)

先执行X的算法得到y_pred,然后根据y,y_pred以及权重计算误差

 # 根据x,y 评估符号树的适用性 返回fitnessy_pred = self.execute(X)raw_fitness = self.metric(y, y_pred, sample_weight)

2.3 fitness模块

接口

fitness(self, parsimony_coefficient=None)

先执行X的算法得到y_pred,然后根据y,y_pred以及权重计算误差

if parsimony_coefficient is None:
   parsimony_coefficient = self.parsimony_coefficient
penalty = parsimony_coefficient * len(self.symbol_tree) * self.metric.sign # 这里是节约系数乘以符号树的长度如果越大越好sign是1否则是-1return self.raw_fitness_ - penalty # fitness进行了约减,这里惩罚了树过于膨胀的公式

3.并行模块

3.1并行parallel_evolve

接口

_parallel_evolve(n_programs, parents, X, y, sample_weight, seeds, params)

入参

入参说明
n_programsn_programs表示种群里的一个组内有多少颗树,这里要循环运行n_programs次进行变异
parents父类
X数据集的属性
y数据集的标签
sample_weight数据集的属性权重
seeds种子
params参数表

属性:

属性说明
tournament_size挑选出来优选特征的数量,用于生成下一代子类
function_set算子集合
arities元数的字典形式为{arity:[functions]}`的字典,表示function_set里面计算符的元数
init_depthtuple类型表示树的深度的可选范围,默认init_depth=(2, 6)
init_method符号树模型初始化的方法初始化方法包括’half and half’ 'full’和‘grow’三种方式
const_range[0, 1] 常数或者常量的范围
metric评估的标准
parsimony_coefficient惩罚系数 收缩系数
method_probs选择某个生成算法的概率
p_point_replace点变异概率
max_samples要使用的最大样本数的比例
feature_nameslist, optional (default=None) 特征列名

3.2内置接口_tournament

目的:找到表现最好的符号树

contenders = random_state.randint(0, len(parents), tournament_size) # 生成tournament_size个(0,len(parents))的数字相当于从父类中随机选多少个fitness = [parents[p].fitness_ for p in contenders] # 得到这些被选中的符号树的评分if metric.greater_is_better: # 判断指标是不是越大越好还是越小越好
   parent_index = contenders[np.argmax(fitness)] # np.argmax找到最大的那个值的indexelse:
   parent_index = contenders[np.argmin(fitness)] # 越小越好return parents[parent_index], parent_index # 返回最大的对象和他的index

3.3运行流程:

第一步:n_programs表示种群里的一个组内有多少颗树,这里要循环n_programs次

初始化

method = random_state.uniform() # method从crossover subtree hoist point变异里选中的概率parent, parent_index = _tournament() # 找到了表现好的符号树

第二步根据method的概率选择突变的类型

method_probs定义

self._method_probs = np.array([self.p_crossover, self.p_subtree_mutation,   self.p_hoist_mutation, self.p_point_mutation])self._method_probs = np.cumsum(self._method_probs)
 if method < method_probs[0]: # 如果method小于crossover概率的话# 走crossover方法donor, donor_index = _tournament() # 次好的符号树作为子树program, removed, remains = parent.crossover(donor.symbol_tree, random_state) # 两者交叉genome = {'method':'Crossover',  'parent_idx': parent_index,  'parent_nodes':removed,  'donor_idx':donor_index,  'donor_nodes':remains                          }elif method < method_probs[1]:# 如果method小于crossover概率的话# subtree突变program, removed, _ = parent.subtree_mutation(random_state)genome = {'method':'Subtree Mutation',  'parent_idx':parent_index,  'parent_nodes':removed                          }elif method < method_probs[2]:# hoist突变program, removed = parent.hoist_mutation(random_state)genome = {'method':'Hoist Mutation',  'parent_idx': parent_index,  'parent_node': removed                          }elif method < method_probs[3]:# point突变program, mutated = parent.point_mutation(random_state)genome = {'mehtod':'Point Mutation',  'parent_idx':parent_index,  'parent_nodes':mutated                          }else:# 自身拷贝program = parent.reproduce()genome = {'mehtod': 'Reproduction',  'parent_idx':parent_index,  'parent_nodes':[]  }

第三步 根据参数和第二步得到的program生成符号树

 program = _SymbolTree(function_set=function_set,   arities=arities,   init_depth=init_depth,   init_method=init_method,   n_features=n_features,   metric=metric,   const_range=const_range,   p_point_replace=p_point_replace,   parsimony_coefficient=parsimony_coefficient,   feature_names=feature_names,   random_state=random_state,   symbol_tree = program)

然后

 program.parents = genome

这里的genome存储的是之前生成子树的过程中删掉的信息把他赋值给parents

第四步 根据sample_weight中的权重信息对特征列赋予权重。

 if sample_weight is None: # 计算袋内数据权重 curr_sample_weight = np.ones((n_samples,)) # 如果没有权重信息那么所有样本权重都是1
 else: curr_sample_weight = sample_weight.copy()
 oob_sample_weight = curr_sample_weight.copy() # 袋外数据

计算袋外数据的fitness

 indices, not_indices = program.get_all_indices(n_samples, max_samples, random_state) # 得到选择的在袋外的数据index
 curr_sample_weight[not_indices] = 0 # 原数据里面属于袋外数据的其index对应的权重置为零
 oob_sample_weight[indices] = 0 # 袋外数据里面不在原数据里的其index对应的权重置为零
 program.raw_fitness_ = program.raw_fitness(X, y, curr_sample_weight) # 计算袋内数据的fitness

计算袋外数据的fitness

 if max_samples < n_samples:  # 计算袋外数据的适用性program.oob_fitness_ = program.raw_fitness(X, y, oob_sample_weight) # 计算袋内数据的fitness

最后循环n次就得到了n颗变异后的子树programs,它里面有两个私有属性raw_fitness_,oob_fitness_分别存储了袋内袋外数据的适用性

4.BaseGenerator模块

4.1初始化模块

4.1.1基本属性

参数说明
population_size每一个世代中种群的数目
hall_of_fame选择最小相关性需要和其他个体比较的最少数量
n_components搜索hall_of_fame后返回的最佳符号树的个数,如果“无”,则整个hall_of_fame
generations要进化的世代数
tournament_size选出多少个有竞争力的遗传给下一代
stopping_criteria提前停止的度量值
const_range[0, 1] 常数或者常量的范围
init_depthtuple类型表示树的深度的可选范围,默认init_depth=(2, 6)
init_method符号树模型初始化的方法初始化方法包括’half and half’ 'full’和‘grow’三种方式
function_setfunction_set里面是基本的函数算子比如[‘add’, ‘sub’, ‘mul’]
metric评估的标准
parsimony_coefficientfloat 惩罚系数,搜索系数
p_crossovercrossover交叉变异的概率
p_subtree_mutationfloat,子树变异概率
p_hoist_mutationfloat,hoist变异的概率
p_point_replacefloat,点变异的概率
max_samples用到的最大的数据的数量
feature_nameslist, optional (default=None) 特征列名
warm_start当设置为“True”时,重用上一个解决方案在进化中增加更多的后代,不然就使用一个新的进化。
low_memory设置为“True”时仅保留当前代,父代信息被丢弃
n_jobs并行数
verbose控制日志输出
random_state随机变量状态:int,随机状态实例或无,可选(默认=None)

4.1.2方法

_verbose_reporter:控制日志输出

4.1.3 fit模块

接口

 fit(self, X, y, sample_weight = None)

入参:

入参说明
X数据集的属性
y数据集的标签
sample_weight数据集的属性权重
第1步:对数据进行校验

校验:检查X和y的长度是否一致、hall_of_fame、function_set、_arities是不是正常以及metric是不是Fitness类型 自身是否继承于TransformerMixin抽象类

然后把概率放到list里面,逐步加

self._method_probs = np.array([self.p_crossover, self.p_subtree_mutation, self.p_hoist_mutation, self.p_point_mutation])self._method_probs = np.cumsum(self._method_probs)

然后校验_method_probs、init_method、const_range、init_depth、feature_names进行类型检查和范围检查

第2步:取出参数并对其进行赋值
 params = self.get_params()
 print(f'params: {params}')
 params['_metric'] = self._metric
 params['function_set'] = self._function_set
 params['arities'] = self._arities
 params['method_probs'] = self._method_probs

如果不是warm_start模式就准备好_programs和 run_details_字典

if not self.warm_start or not hasattr(self, '_programs'):# warm_start为false时就重新开始,释放分配的内存
   self._programs = [] # _programs里面存的是每一代的优胜者 list[list1,list2... listn]
   self.run_details_ = { 'generation':[], 'average_length':[], 'average_fitness':[], 'best_length':[], 'best_fitness': [], 'best_oob_fitness':[], 'generation_time':[] }
prior_generations = len(self._programs) # _programs里面存的是每一代的优胜者 list[list1,list2... listn] 其长度代表迭代了多少代n_more_generations = self.generations - prior_generations # 还有多少代需要迭代

然后是对n_more_generations进行校验

population_size代表每一个世代中种群的数目

if self.warm_start: # 丢弃之前用过的随机种子
   for i in range(len(self._programs)):   _ = random_state.randint(MAX_INT, size = self.population_size)
if self.verbose:self._verbose_reporter()# 输出日志
第3步:并行的运行程序

循环层(从prior_generations到generations)

1)记录时间找到父类

start_time = time()if gen == 0: # 如果是第一代的话parents是None
   parents = Noneelse:
   parents =  self._programs[gen - 1] # _programs里面的最后一代

2)并行运行程序

n_jobs, n_programs, starts = _partition_estimators(self.population_size, self.n_jobs) # 把种群分成n_job份n_programs表示第几份中有多少个数据 starts记录了每组数据的起点seeds = random_state.randint(MAX_INT, size = self.population_size) # 产生population_size个随机种子population = Parallel(n_jobs=n_jobs, verbose=int(self.verbose > 1))(delayed(_parallel_evolve)(n_programs[i],parents, X, y,sample_weight, seeds[starts[i]:starts[i + 1]],  params) for i in range(n_jobs))

对数据进行合并,得到下一代变异的种群

population[<symboltree._SymbolTree object at 0x00000118ABB89E20>, <symboltree._SymbolTree object at 0x00000118ABB89E80>, <symboltree._SymbolTree object at 0x00000118ABB89F10>, <symboltree._SymbolTree object at 0x00000118ABB89FD0>]
population = list(itertools.chain.from_iterable(population))

得到种群的所有的个体的fitness和length是一个list

fitness = [program.raw_fitness_ for program in population]length = [program.length_ for program in population]

3)惩罚系数对fitness进行约束

parsimony_coefficient = Noneif self.parsimony_coefficient == 'auto':parsimony_coefficient = (np.cov(length, fitness)[1, 0] / np.var(length)) # 取出(length, fitness)协方差矩阵的第2行1列除以方差for program in population:program.fitness_ = program.fitness(parsimony_coefficient) # 收缩后的适应度self._programs.append(population) #新生成的这一代的信息放入_programs

4)删除被淘汰的个体

if not self.low_memory:
   for old_gen in np.arange(gen, 0, -1): # 把到gen的世代数倒序排成list类似[5 4 3 2 1]   indices = []   for program in self._programs[old_gen]: # 找到上一代的种群每一个符号树   if program is not None:# 不是None的话  for idx in program.parents: # 找到他的parents_idx parents_idx里面存的是其表现最好的父类   if 'idx' in idx:# 找到其中的parent_idx   indices.append(program.parents[idx])indices = set(indices) # 去重复for idx in range(self.population_size):# 种群内每一个个体if idx not in indices: # 如果该个体不在最优集合里面就把他置为None   self._programs[old_gen - 1][idx] = Noneelif gen > 0: self._programs[gen - 1] = None #不然就把上一代置为None
第4步进行运行的信息
参数说明
generation第多少代
average_length种群的平均长度
average_fitness种群的平均适应度
best_length最好的符号树的长度
best_fitness最好的符号树的适应度
best_oob_fitness最好的符号树的袋外数据准确性
generation_time运行的时间

对应代码

# 记录运行信息if self._metric.greater_is_better: # 如果是越大越好的话
   best_program = population[np.argmax(fitness)]else:
   best_program = population[np.argmin(fitness)]self.run_details_['generation'].append(gen)self.run_details_['average_length'].append(np.mean(length))self.run_details_['average_fitness'].append(np.mean(fitness))self.run_details_['best_length'].append(best_program.length_)self.run_details_['best_fitness'].append(best_program.raw_fitness_)oob_fitness = np.nanif self.max_samples < 1.0:
   oob_fitness = best_program.oob_fitness_
   self.run_details_['best_oob_fitness'].append(oob_fitness) # 袋外数据准确性
   generation_time = time() - start_time
   self.run_details_['generation_time'].append(generation_time) # 运行时间

处理early stopping

if self._metric.greater_is_better:
   best_finess = fitness[np.argmax(fitness)]
   if best_finess >= self.stopping_criteria: # 达到停止标准的时候  breakelse:
   best_finess = fitness[np.argmix(fitness)]
   if best_finess <= self.stopping_criteria:  # 达到停止标准的时候  break

到这里循环结束,得到所有的世代。

第5步如果是变换的话

a)首先得到hall_of_fame个索引

fitness = np.array(fitness) # 找到这一代种群的fitnessif self._metric.greater_is_better: # 越大越好的好就倒序选择
   hall_of_fame = fitness.argsort()[::-1][:self.hall_of_fame] #得到hall_of_fame个fitness的索引else:
   hall_of_fame = fitness.argsort()[:self.hall_of_fame] # 越小越好就正序选择

对最后一代的种群里所有的个体(其中属于hall_of_fame的)进行计算得到预测的值

evaluation = np.array([gp.execute(X) for gp in [self._programs[-1][i] for i in hall_of_fame]])

如果指标是spearman系数的话,计算得到evaluation每一组数据的排序值

if self.metric == 'spearman':
   evaluation = np.apply_along_axis(rankdata, 1, evaluation)
from scipy.stats import rankdata
evaluation = np.array([[1,2,3,4],[6,5,7,8],[9,10,11,12]])print(np.apply_along_axis(rankdata, 1, evaluation))#输出[[1. 2. 3. 4.]
 [2. 1. 3. 4.]
 [1. 2. 3. 4.]]

然后计算相关系数矩阵

with np.errstate(divide = 'ignore', invalid = 'ignore'): # 去掉除0 无效值等警告 correlations = np.abs(np.corrcoef(evaluation)) # 得到相关系数矩阵 如果是spearman系数这里就是spearman相关系数
[[1. 2. 3. 4.]
 [2. 1. 3. 4.]
 [1. 2. 3. 4.]]
 [[1.  0.8 1. ]
 [0.8 1.  0.8]
 [1.  0.8 1. ]]
 np.fill_diagonal(correlations, 0.) # 对角线元素填充0
components = list(range(self.hall_of_fame)) # hall_of_frame个0到hall_of_frame的数字indices = list(range(self.hall_of_fame))# X_shape(354, 13)# evaluation:(50, 354)
 # 迭代删除最小相关的的元素while len(components) > self.n_components: # 如果最小相关个体大于要留的个数 # correlations_shape(50, 50)  most_correlated = np.unravel_index(np.argmax(correlations), correlations.shape) # 得到最大值的索引 相关性越大越不好  # 通过适应度对相关矩阵进行排序,确定最不合适的索引  worst = max(most_correlated) # worst就是索引大的那一列  components.pop(worst)  indices.remove(worst) # 从序列号中删除  correlations = correlations[:, indices][indices, :]  indices = list(range(len(components)))
 self._best_programs = [self._programs[-1][i] for i in hall_of_fame[components]]
(完)