词典选择

该文件是TPOT库的一部分。

当前版本的TPOT是由以下人员在Cedars-Sinai开发的： - Pedro Henrique Ribeiro (https://github.com/perib, https://www.linkedin.com/in/pedro-ribeiro/) - Anil Saini (anil.saini@cshs.org) - Jose Hernandez (jgh9094@gmail.com) - Jay Moran (jay.moran@cshs.org) - Nicholas Matsumoto (nicholas.matsumoto@cshs.org) - Hyunjun Choi (hyunjun.choi@cshs.org) - Miguel E. Hernandez (miguel.e.hernandez@cshs.org) - Jason Moore (moorejh28@gmail.com)

TPOT的原始版本主要由宾夕法尼亚大学的以下人员开发： - Randal S. Olson (rso@randalolson.com) - Weixuan Fu (weixuanf@upenn.edu) - Daniel Angell (dpa34@drexel.edu) - Jason Moore (moorejh28@gmail.com) - 以及许多慷慨的开源贡献者

TPOT 是免费软件：您可以根据自由软件基金会发布的 GNU 宽通用公共许可证的条款重新分发和/或修改它，许可证的版本可以是第 3 版，或者（根据您的选择）任何以后的版本。

TPOT 的发布是希望它能有用，但没有任何保证；甚至没有对适销性或特定用途适用性的暗示保证。更多详情请参阅 GNU 较宽松通用公共许可证。

您应该已经收到了一份GNU较宽松通用公共许可证的副本，随TPOT一起提供。如果没有，请参见http://www.gnu.org/licenses/。

`lexicase_selection(scores, k, n_parents=1, rng=None)` ¶

根据字典序选择法选择最佳个体，k次。返回的列表包含所选个体的索引。

参数:

名称	类型	描述	默认值
`scores`	`ndarray`	得分矩阵，其中行代表个体，列代表不同目标的得分。	required
`k`	`int`	要选择的个体数量。	required
`n_parents`	`int`	每个个体选择的父代数量。默认值为1。	`1`
`rng`	`(int, Generator)`	随机数生成器。默认值为None。	`None`

返回:

类型	描述
`一个形状为 (k, n_parents) 的选定个体索引数组。`

Source code in tpot2/selectors/lexicase_selection.py

def lexicase_selection(scores, k, n_parents=1, rng=None):
    """
    Select the best individual according to Lexicase Selection, *k* times.
    The returned list contains the indices of the chosen *individuals*.

    Parameters
    ----------
    scores : np.ndarray
        The score matrix, where rows the individuals and the columns are the corresponds to scores on different objectives.
    k : int
        The number of individuals to select.
    n_parents : int, optional
        The number of parents to select per individual. The default is 1.
    rng : int, np.random.Generator, optional
        The random number generator. The default is None.
    Returns
    -------
        A array of indices of selected individuals of shape (k, n_parents).
    """
    rng = np.random.default_rng(rng)
    chosen =[]
    for i in range(k*n_parents):
        candidates = list(range(len(scores)))
        cases = list(range(len(scores[0])))
        rng.shuffle(cases)

        while len(cases) > 0 and len(candidates) > 1:
            best_val_for_case = max(scores[candidates,cases[0]])
            candidates = [x for x in candidates if scores[x, cases[0]] == best_val_for_case]
            cases.pop(0)
        chosen.append(rng.choice(candidates))

    return np.reshape(chosen, (k, n_parents))

词典选择

lexicase_selection(scores, k, n_parents=1, rng=None) ¶

`lexicase_selection(scores, k, n_parents=1, rng=None)` ¶