演化机器学习平台

演化机器学习（EML）算法是一个具有大量现有成果的新兴领域。为了促进EML的发展，我们开发了一个平台，允许任何人使用EML算法而不需要代码。

算法

这个软件包主要是为EML技术提供一个对用户友好的平台。它包括以下算法：

• 演化特征构造

  • Evolutionary Forest

    论文解析

    开源代码（66 starred）

• 演化特征选择

  • NSGA2
  • RM-MEDA
  • MOEA/D
  • NSGA3
  • C-TAEA

• 符号回归

  • PS-Tree

    论文解析

    开源代码

  • gplearn

主界面

左侧为控制栏，右侧显示结果和数据。

功能说明

训练数据上传

训练数据可以拖动到虚线框内，或者通过点击的方式上传，目前只支持csv格式文件，且只支持多对一的数据（即多变量，单目标量），注意不要带有索引。

默认数据集是Boston房价，默认的测试集为训练集。

语言

中英文自由切换。

任务类型

主要用四类：可解释建模、PS-Tree、演化森林、特征选择。

可解释建模：

本项功能的实现依赖于gplearn开源代码库。

左侧可选择演化代数、种群大小、锦标赛规模、运算符。

右侧显示：

• 训练结果：可下载
• 测试数据的上传框（上传要求同训练数据）：可上传测试集进行预测或者检验误差
• 可视化展示：显示可解释模型，主要包括符号树、特征表达式、平均误差

PS-Tree

左侧可选择演化代数、种群大小、多目标算子。

右侧显示：

• 其它内容同上
• 可视化展示：显示决策树模型

演化森林

左侧可选择演化代数、种群大小。

右侧显示：

• 其它内容同上
• 可视化展示：显示演化森林模型、构造的特征及重要性（重要性是决策树自动给出的），可以选择top特征训练其他模型，展示训练结果

特征选择

左侧可选择演化代数、种群大小、多目标算子、载入演化森林特征。

• 载入演化森林特征：载入演化森林训练生成的新特征，自动选择特征方案，方便用户使用（注意，使用前需先用演化森林生成新特征）

右侧显示：

• 训练结果为选择的特征方案
• 可视化展示：帕累托前沿图

多目标算子

• PS-Tree：NSGA-2、NSGA-3、Lexicase、IBEA、SPEA2
• 特征选择：NSGA-2、NSGA-3、MOEA/D、RM-MEDA、C-TAEA

训练结果

前三种任务类型显示的是预测值、实际值和偏差。第四种显示的是特征选择方案。

训练结果支持下载。

测试结果

用户可上传测试数据，格式要求与上传训练数据一致。

如果上传的是没有实际值的数据集，那么就预测结果；如果是有实际值，那么就预测结果并计算偏差。

可视化展示

不同任务类型的展示内容不同，上面已经有了介绍。

这里特别针对演化森林模型做出介绍，当训练好模型后，新的特征会被展示，用户可以选择特征并训练其他模型。

使用

推荐使用Pycharm，也可用其它编辑器，运行Server.py即可。

# Start
python server Server.py

默认URL: http://127.0.0.1:8050/

可在主程序中修改。