DEAP - Pythonと機械学習
目次 目次 はじめに 使い方の解説 creator.create()関数 適応度の定義 個体の定義 base.Toolbox.register()関数 遺伝子を作成する関数 個体を作成する関数 世代を作成する関数 目的関数 交叉関数 突然変異関数 選択関数 注意点 main関数内の処理 個体にnumpyのndarrayを使う場合 遺伝子が連続値の場合 変更点 実行結果 はじめに Pythonで遺伝的アルゴリズムのライブラリーが無いか検索してみたところ、どうもDEAPというライブラリーが良いらしいので使い方を調べてみることにしました。 ソースコードはGitHub上にあげられています。 PyPIにも登録されているので、pipでインストールできます。 pip install -U deap DEAPは遺伝的アルゴリズムだけでなく、他にも色々な進化的計算のアルゴリズムが実装されているみたいです。
Pythonの進化計算ライブラリDeap - Qiita
DEAP概要 Pythonで使える遺伝的アルゴリズムライブラリDeapを紹介したいと思います。 Pythonの遺伝的アルゴリズムライブラリは他にもPyevolveというのがあるのですが、Deapの方が開発が盛んらしいので、こちらを使ってみたいと思います。 以下がDeapで使用できる主なアルゴリズムおよび機能です。 GA 遺伝的アルゴリズム GP 遺伝的プログラミング ES 進化戦略(CMA-ESなど) 多目的最適化(NSGA-II, SPEA-II) Co-evolution 並列化 個体の中の優等生の保持 定期的なチェックポイント ベンチマーク 進化の系図 Particle Swarm Optimization, Differential Evolution, Estimation of Distribution Algorithm Example 今回はGAのExampleを解説してい
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
