[論文レビュー] GPTIPS 2: an open-source software platform for symbolic data mining

Dominic P. Searson|arXiv (Cornell University)|Dec 15, 2014

Evolutionary Algorithms and Applications参考文献 20被引用数 5

ひとこと要約

GPTIPS 2 は、多遺伝子遺伝的プログラミング（MGGP）を用いて、データから解釈可能で透明性のある記号的方程式を自動で発見する、オープンソースの MATLAB ベースのプラットフォームです。遺伝子中心の可視化によりモデルの解釈性を向上させ、ボトルネックの緩和によりモデルの複雑さを低減し、MATLAB 外部での記号的モデルの迅速なデプロイを可能にし、科学的・工学的分野における実用的応用の可能性を顕著に向上させます。

ABSTRACT

GPTIPS is a free, open source MATLAB based software platform for symbolic data mining (SDM). It uses a multigene variant of the biologically inspired machine learning method of genetic programming (MGGP) as the engine that drives the automatic model discovery process. Symbolic data mining is the process of extracting hidden, meaningful relationships from data in the form of symbolic equations. In contrast to other data-mining methods, the structural transparency of the generated predictive equations can give new insights into the physical systems or processes that generated the data. Furthermore, this transparency makes the models very easy to deploy outside of MATLAB. The rationale behind GPTIPS is to reduce the technical barriers to using, understanding, visualising and deploying GP based symbolic models of data, whilst at the same time remaining highly customisable and delivering robust numerical performance for power users. In this chapter, notable new features of the latest version of the software are discussed with these aims in mind. Additionally, a simplified variant of the MGGP high level gene crossover mechanism is proposed. It is demonstrated that the new functionality of GPTIPS 2 (a) facilitates the discovery of compact symbolic relationships from data using multiple approaches, e.g. using novel gene-centric visualisation analysis to mitigate horizontal bloat and reduce complexity in multigene symbolic regression models (b) provides numerous methods for visualising the properties of symbolic models (c) emphasises the generation of graphically navigable libraries of models that are optimal in terms of the Pareto trade off surface of model performance and complexity and (d) expedites real world applications by the simple, rapid and robust deployment of symbolic models outside the software environment they were developed in.

研究の動機と目的

• データマイニングから得た記号的モデルの使用、理解、可視化、デプロイの技術的障壁を低減すること。
• 多遺伝子記号的回帰におけるモデルの複雑さとボトルネックの課題に対処し、遺伝子中心の可視化と分析を導入すること。
• 予測性能とモデルの単純さの両立を図るパラメータ最適化モデルライブラリの生成を支援すること。
• MATLAB 環境外の外部環境において、記号的モデルを迅速かつ堅牢かつ透明にデプロイすること。
• 高精度な数値性能を維持しながら、初心者から上級者までが使いやすくカスタマイズ可能なユーザーインターフェースの向上を図ること。

提案手法

• 記号的モデル発見のコアエンジンとして、多遺伝子遺伝的プログラミング（MGGP）フレームワークを採用する。
• 探索効率とモデルのコンパクトさを向上させるために、ハイレベルな遺伝子クロスオーバー機構の簡素化されたバージョンを導入する。
• 遺伝子中心の可視化技術を活用し、多遺伝子記号的モデルにおける水平的ボトルネックの検出と緩和を実現する。
• モデルの精度と複雑さのパラメータトレードオフに沿った最適化されたモデルライブラリの生成とナビゲーションを実施する。
• 自動記号的回帰に加え、性能と複雑さのトレードオフ分析を含む、複数のモデル発見アプローチをサポートする。
• 標準化され、人間が読みやすい方程式表現を用いて、外部システムへの記号的モデルのエクスポートとデプロイを可能にする。

実験結果

リサーチクエスチョン

• RQ1 非エキスパートユーザーが記号的データマイニングをより使いやすく、解釈可能にしながらも、上級者には十分なパワーを維持できるようにするにはどうすればよいか？
• RQ2 予測性能を損なわず、多遺伝子記号的回帰モデルにおける水平的ボトルネックを効果的に低減する技術は何か？
• RQ3 モデルの精度と複雑さの最適なトレードオフを特定するために、モデルライブラリを体系的に生成・ナビゲートする方法は何か？
• RQ4 MATLAB 環境外で記号的モデルを迅速かつ堅牢にデプロイするにはどのような手法が有効か？
• RQ5 遺伝子中心の可視化は、進化した記号的モデルの解釈性と保守性をどの程度向上させられるか？

主な発見

• GPTIPS 2 における簡素化された遺伝子クロスオーバー機構は、探索効率の向上に寄与し、よりコンパクトな記号的モデルの発見を可能にした。
• 遺伝子中心の可視化により、水平的ボトルネックの効果的な検出と緩和が実現され、モデルの複雑さを低減しながらも予測精度を維持した。
• 本プラットフォームは、性能と複雑さのパラメータフロントに沿った最適なモデルライブラリを視覚的にナビゲート可能な形で効果的に生成した。
• GPTIPS 2 が生成した記号的モデルは、MATLAB 外部へ迅速にデプロイ可能であり、多様な応用状況での実世界統合を可能にした。
• 記号的方程式の透明性のおかげで、データ生成プロセスの背後にあるメカニズムへの深い洞察が得られ、科学的解釈性が向上した。
• GPTIPS 2 は、高い数値的性能と高いカスタマイズ性を備えており、初心者から上級者までが記号的データマイニングタスクを効果的に行えることを示した。