遗传算法 - 适应度函数和规则优化

Question

假设我有一组训练示例，其中A_i 是一个属性，输出是Iris-setosa

数据集中的值为

A1, A2, A3, A4      outcome
3   5   2   2       Iris-­setosa
3   4   2   2       Iris­-setosa
2   4   2   2       Iris­-setosa
3   6   2   2       Iris­-setosa
2   5   3   2       Iris­-setosa
3   5   2   2       Iris­-setosa
3   5   2   3       Iris­-setosa
4   6   2   2       Iris­-setosa
3   7   2   2       Iris­-setosa

从分析属性的范围是：

A1 ----> [2,3,4]
A2 ----> [4,5,6,7]
A3 ----> [2,3]
A4 ----> [2,3]

我已经定义了：

A1 ----> [Low(2),Medium(3),High(4)]
A2 ----> [Low(4,5),Medium(6),High(7)]
A3 ----> [Low(<2),Medium(2),High(3)]
A4 ----> [Low(<2),Medium(2),High(3)]

我设置如下：

A1,         A2,         A3,         A4          outcome
Medium      Low         Medium      Medium      Iris-setosa     
Medium      Low         Medium      Medium      Iris-setosa
Low         Low         Medium      Medium      Iris-setosa
Medium      Medium      Medium      Medium      Iris-setosa
Low         Low         High        Medium      Iris-setosa
Medium      Low         Medium      Medium      Iris-setosa
Medium      Low         Medium      High        Iris-setosa
High        Medium      Medium      Medium      Iris-setosa
Medium      High        Medium      Medium      Iris-setosa

我知道我必须定义适应度函数。这个问题有什么用？在我的实际问题中，有 50 个训练示例，但这是一个类似的问题。

如何使用GA 优化规则？如何编码？

假设如果我输入(4,7,2,3)，优化如何帮助我分类输入是否为Iris-setosa？

感谢您的耐心等待。

Answer 1

您描述的任务称为one-class classification。

通过从仅包含该类对象的训练集中学习，在所有元素中识别特定类的元素

...不同于传统的分类问题，也比传统的分类问题更困难，传统的分类问题试图区分两个或多个类，训练集包含所有类的对象。

一种可行的方法是人工构建异常类数据并使用二分类模型进行训练，但可能会很棘手。

在生成人工异常值数据时，您需要比目标数据更广泛的可能值（您必须确保目标数据在所有属性方向上都被包围）。

生成的二类训练数据集往往是不平衡的，并且 大。

无论如何：

• 如果您想尝试遗传编程进行一类分类，请查看

  One-Class Genetic Programming - Robert Curry, Malcolm I. Heywood（在第 13 届欧洲遗传编程会议 EuroGP'10 上发表）

• 还要考虑anomaly detection 技术（简单介绍是Andrew Ng 的Coursera Machine Learning class 的第9 周；notes 在这里）。

Answer 2

好的，如果您只想知道如何编写适应度函数...假设训练数据是元组列表：

training_data = list((3,6,3,5),(8,3,1,2),(3,5,2,4)...)

如下所示为 A1、A2 等元素创建参考集，假设第一个元组告诉我们所有其他元组的长度（这样您的训练数据中可以有任意数量的元组）：

A=[]
for x in training_data[0]:
    res_list = set()
    res_list.update(x[index] for x in training_data)
    A.append(res_list)
    index+=1

现在您的所有参考数据都可以轻松引用（A[0]、A[1] 等集合）。让我们创建一个适应度函数，它接受一个元组并返回一个适应度分数，这将有助于 GA 收敛到正确的答案（如果是正确的元素，则为 1-4，如果在 training_data 中，则为 5+）。玩弄得分，但这些应该可以正常工作。

def fitness_function(target):
    # Assume target is a tuple of same length as reference data
    global A, training_data
    score = 0
    # Give a point for each element that is in the data set
    index = 0
    for t in target:
        if t in A[index]:
            score+=1
        index += 1 
    # Give 5 points if entire tuple is exact match
    if target in training_data:
        score+=5
    return score

Answer 3

这里有一个多类分类问题，可以通过遗传编程和相关技术解决。

我想这些数据来自著名的 Iris 数据集：https://en.wikipedia.org/wiki/Iris_flower_data_set

如果您需要快速入门，可以使用我的方法的源代码：Multi Expression Programming（基于遗传编程），可以从这里下载：https://github.com/mepx/mep-basic-src

在 src 文件夹中有一个 C++ 源名称 mep_multi_class.cpp 可以“解决”虹膜数据集。只需使用 iris.txt 文件（也可以从 github 的 dataset 文件夹下载）调用 read_training_data 函数。

或者，如果你不熟悉 C++，你可以直接尝试 MEPX 软件，它有一个简单的用户界面：http://www.mepx.org。也可以从 github 下载一个带有 iris 数据集的项目。