Free cookie consent management tool by TermsFeed Policy Generator

Changeset 17750


Ignore:
Timestamp:
09/18/20 11:24:48 (4 years ago)
Author:
chaider
Message:

#3076 Moved the linear scaling condition

File:
1 edited

Legend:

Unmodified
Added
Removed
  • branches/3076_IA_evaluators_analyzers/HeuristicLab.Problems.DataAnalysis.Symbolic.Regression/3.4/SingleObjective/Evaluators/SymbolicRegressionSingleObjectiveConstraintEvaluator.cs

    r17744 r17750  
    119119      var applyLinearScaling = ApplyLinearScalingParameter.ActualValue.Value;
    120120
    121       if (applyLinearScaling) {
    122         //Check for interval arithmetic grammar
    123         //remove scaling nodes for linear scaling evaluation
    124         var                    rootNode  = new ProgramRootSymbol().CreateTreeNode();
    125         var                    startNode = new StartSymbol().CreateTreeNode();
    126         SymbolicExpressionTree newTree   = null;
    127         foreach (var node in solution.IterateNodesPrefix())
    128           if (node.Symbol.Name == "Scaling") {
    129             for (var i = 0; i < node.SubtreeCount; ++i) startNode.AddSubtree(node.GetSubtree(i));
    130             rootNode.AddSubtree(startNode);
    131             newTree = new SymbolicExpressionTree(rootNode);
    132             break;
    133           }
    134 
    135         //calculate alpha and beta for scaling
    136         var estimatedValues = interpreter.GetSymbolicExpressionTreeValues(newTree, problemData.Dataset, rows);
    137         var targetValues    = problemData.Dataset.GetDoubleValues(problemData.TargetVariable, rows);
    138         OnlineLinearScalingParameterCalculator.Calculate(estimatedValues, targetValues, out var alpha, out var beta,
    139           out var errorState);
    140         //Set alpha and beta to the scaling nodes from ia grammar
    141         foreach (var node in solution.IterateNodesPrefix())
    142           if (node.Symbol.Name == "Offset") {
    143             node.RemoveSubtree(1);
    144             var alphaNode = new ConstantTreeNode(new Constant()) {Value = alpha};
    145             node.AddSubtree(alphaNode);
    146           } else if (node.Symbol.Name == "Scaling") {
    147             node.RemoveSubtree(1);
    148             var betaNode = new ConstantTreeNode(new Constant()) {Value = beta};
    149             node.AddSubtree(betaNode);
    150           }
    151       }
    152 
    153121      if (UseConstantOptimization) {
    154122        SymbolicRegressionConstantOptimizationEvaluator.OptimizeConstants(interpreter, solution, problemData, rows,
    155123          false, ConstantOptimizationIterations, true,
    156124          estimationLimits.Lower, estimationLimits.Upper);
    157       }
    158 
    159       var quality = Calculate(interpreter, solution, estimationLimits.Lower, estimationLimits.Upper, problemData, rows, UseSoftConstraints,
     125      } else {
     126        if (applyLinearScaling) {
     127          //Check for interval arithmetic grammar
     128          //remove scaling nodes for linear scaling evaluation
     129          var                    rootNode  = new ProgramRootSymbol().CreateTreeNode();
     130          var                    startNode = new StartSymbol().CreateTreeNode();
     131          SymbolicExpressionTree newTree   = null;
     132          foreach (var node in solution.IterateNodesPrefix())
     133            if (node.Symbol.Name == "Scaling") {
     134              for (var i = 0; i < node.SubtreeCount; ++i) startNode.AddSubtree(node.GetSubtree(i));
     135              rootNode.AddSubtree(startNode);
     136              newTree = new SymbolicExpressionTree(rootNode);
     137              break;
     138            }
     139
     140          //calculate alpha and beta for scaling
     141          var estimatedValues = interpreter.GetSymbolicExpressionTreeValues(newTree, problemData.Dataset, rows);
     142          var targetValues    = problemData.Dataset.GetDoubleValues(problemData.TargetVariable, rows);
     143          OnlineLinearScalingParameterCalculator.Calculate(estimatedValues, targetValues, out var alpha, out var beta,
     144            out var errorState);
     145          //Set alpha and beta to the scaling nodes from ia grammar
     146          foreach (var node in solution.IterateNodesPrefix())
     147            if (node.Symbol.Name == "Offset") {
     148              node.RemoveSubtree(1);
     149              var alphaNode = new ConstantTreeNode(new Constant()) {Value = alpha};
     150              node.AddSubtree(alphaNode);
     151            } else if (node.Symbol.Name == "Scaling") {
     152              node.RemoveSubtree(1);
     153              var betaNode = new ConstantTreeNode(new Constant()) {Value = beta};
     154              node.AddSubtree(betaNode);
     155            }
     156        }
     157      }
     158
     159      var quality = Calculate(interpreter, solution, estimationLimits.Lower, estimationLimits.Upper, problemData, rows,
     160        UseSoftConstraints,
    160161        PenaltyMultiplier);
    161162      QualityParameter.ActualValue = new DoubleValue(quality);
     
    171172      double penaltyMultiplier) {
    172173      var estimatedValues = interpreter.GetSymbolicExpressionTreeValues(solution, problemData.Dataset, rows);
    173       var targetValues   = problemData.Dataset.GetDoubleValues(problemData.TargetVariable, rows);
    174       var constraints    = problemData.IntervalConstraints.EnabledConstraints;
    175       var variableRanges = problemData.VariableRanges.GetReadonlyDictionary();
    176 
     174      var targetValues    = problemData.Dataset.GetDoubleValues(problemData.TargetVariable, rows);
     175      var constraints     = problemData.IntervalConstraints.EnabledConstraints;
     176      var variableRanges  = problemData.VariableRanges.GetReadonlyDictionary();
     177     
    177178      var boundedEstimatedValues = estimatedValues.LimitToRange(lowerEstimationLimit, upperEstimationLimit);
    178179      var nmse = OnlineNormalizedMeanSquaredErrorCalculator.Calculate(targetValues, boundedEstimatedValues,
    179180        out var errorState);
    180181
    181       if (!SymbolicRegressionConstraintAnalyzer.ConstraintsSatisfied(constraints, variableRanges, solution, out var error)) {
     182      if (!SymbolicRegressionConstraintAnalyzer.ConstraintsSatisfied(constraints, variableRanges, solution,
     183        out var error)) {
    182184        if (useSoftConstraints) {
    183185          if (double.IsNaN(error) || double.IsInfinity(error)) {
     
    186188            nmse += penaltyMultiplier * error;
    187189          }
    188 
     190         
    189191          nmse = Math.Min(1.0, nmse);
    190192        } else {
     
    205207      SymbolicDataAnalysisTreeInterpreterParameter.ExecutionContext = context;
    206208      EstimationLimitsParameter.ExecutionContext                    = context;
    207       ApplyLinearScalingParameter.ExecutionContext = context;
     209      ApplyLinearScalingParameter.ExecutionContext                  = context;
    208210
    209211      var nmse = Calculate(SymbolicDataAnalysisTreeInterpreterParameter.ActualValue, tree,
Note: See TracChangeset for help on using the changeset viewer.