/
ricerca_sequenziale.py
666 lines (613 loc) · 27.5 KB
/
ricerca_sequenziale.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
511
512
513
514
515
516
517
518
519
520
521
522
523
524
525
526
527
528
529
530
531
532
533
534
535
536
537
538
539
540
541
542
543
544
545
546
547
548
549
550
551
552
553
554
555
556
557
558
559
560
561
562
563
564
565
566
567
568
569
570
571
572
573
574
575
576
577
578
579
580
581
582
583
584
585
586
587
588
589
590
591
592
593
594
595
596
597
598
599
600
601
602
603
604
605
606
607
608
609
610
611
612
613
614
615
616
617
618
619
620
621
622
623
624
625
626
627
628
629
630
631
632
633
634
635
636
637
638
639
640
641
642
643
644
645
646
647
648
649
650
651
652
653
654
655
656
657
658
659
660
661
662
663
664
665
666
import numpy as np
from scipy.interpolate import interp1d
import matplotlib.pyplot as plt
import pandas as pd
from sklearn.neighbors import KDTree
import time
from sklearn.decomposition import PCA
import random
import math
from sklearn.preprocessing import StandardScaler
plt.style.use("ggplot")
def creazione_df(nobs, nvar, dim_segnale, sigmas, flat_frac):
"""Genera un insieme di dati uniformi con all'interno di certe variabili
per alcune osservazioni del segnale gaussiano
Inputs:
nobs -- il numero di righe dell'insieme di dati che genera
nvar -- il numero di colonne dell'insieme di dati che genera
dim_segnale -- il numero di variabili per cui il segnale e' presente
sigmas -- la deviazione standard della variabile casuale normale da
cui si genera il segnale
flat_frac -- la frazione di osservazioni che non presenta segnale
Outputs:
df -- l'insieme di dati generato
"""
sigma = np.random.uniform(sigmas[0], sigmas[1], dim_segnale)
mean = np.random.uniform(3 * sigma, 1 - (3 * sigma))
gauss_indices = random.sample(range(1, nvar), dim_segnale)
columns = list(np.arange(nvar))
df = pd.DataFrame(np.random.uniform(0, 1, size=(nobs, nvar)), columns=columns)
df.insert(0, "Signal", np.zeros(nobs), True)
for i in np.arange(0, nobs):
tmp = 0
if i < flat_frac * nobs:
df.iloc[i, 0] = 0
else:
for p in gauss_indices:
df.iloc[i, p] = np.random.normal(mean[tmp], sigma[tmp])
df.iloc[i, 0] = 1
tmp += 1
df = df.sample(frac=1).reset_index(drop=True)
return df
def ecdf(x_i, npoints):
"""Genera una funzione empirica utilizzando la funzione indicatrice.
Inputs:
x_i -- l'insieme di dati di input, deve essere un numpy array
npoints -- il numero di punti desiderati nella stima della CDF empirica
Outputs:
y -- la CDF empirica
"""
x = np.linspace(min(x_i), max(x_i), npoints)
n = float(x_i.size)
y = np.zeros(npoints)
for ii in np.arange(x.size):
idxs = np.where(x_i <= x[ii])
y[ii] = np.sum(idxs[0].size) / n
return (x, y)
def kde_integral(kde):
"""Genera una funzione di ripartizione empirica più "liscia" utilizzando
la stima della densità del kernel (KDE).
Inputs:
kde -- stima della densità del kernel
Outputs:
y -- la stima della funzione di ripartizione empirica più "liscia"
"""
y = np.cumsum(kde) / sum(kde)
return y
def probability_integral_transform(X):
"""
Prende un array di dati X di dimensione [M x N] e lo converte in una variabile
casuale uniforme usando la trasformazione integrale di probabilità, U = F(X)
"""
M = X.shape[0]
N = X.shape[1]
U = np.empty(X.shape)
for ii in range(0, N):
x_ii = X[:, ii]
(xx, pp) = ecdf(x_ii, M)
f = interp1d(xx, pp)
u_ii = f(x_ii)
U[:, ii] = u_ii
return U
def random_box_subspace(NVar, NRanBox, eps=0.01):
"""Definisce in modo casuale una scatola.
Inputs:
NVar -- il numero di variabili a disposizione
NRanBox -- il numero di variabili per cui si vuole che il lato della scatola venga
inizializzato con estremi casuali
eps -- numero piccolo che serve unicamente per degli arrotondamenti
Outputs:
Blockmin -- vettore con estremi inferiori dei lati della scatola
Blockmax -- vettore con estremi superiori dei lati della scatola
VolumeOrig -- volume della scatola
"""
bmin = eps * (np.random.uniform(size=NVar) / eps).astype(np.int32)
bmax = eps * (np.random.uniform(size=NVar) / eps).astype(np.int32)
is_random = np.random.uniform(size=NVar) < (NRanBox / NVar)
bmin = bmin * is_random
bmax = bmax * is_random + ~is_random
Blockmin = np.min([bmin, bmax], axis=0)
Blockmax = np.max([bmin, bmax], axis=0)
VolumeOrig = np.cumprod(Blockmax - Blockmin)
first_idx_not_valid = np.argmax(VolumeOrig < 0.001)
Blockmin[(first_idx_not_valid - 1) :] = 0
Blockmax[(first_idx_not_valid - 1) :] = 1
if first_idx_not_valid == 0:
return random_box_subspace(NVar, NRanBox)
return Blockmin, Blockmax, VolumeOrig[first_idx_not_valid - 1]
def get_included_points_indices_subspace(min_lims, max_lims, subspace_indices, X):
"""Restituisce gli indici di riga delle osservazioni contenute
in una specifica scatola.
Inputs:
min_lims -- vettore con estremi inferiori dei lati della scatola
max_lims -- vettore con estremi superiori dei lati della scatola
subspace_indices -- indici delle k variabili per cui si stanno
facendo variare gli estremi dei lati
X -- l'insieme di dati come numpy array
Outputs:
index -- gli indici delle osservazioni contenute nella scatola
"""
index = np.arange(len(X))
for k in range(len(subspace_indices)):
var_k = X[index, :][:, subspace_indices[k]]
index = index[(var_k <= max_lims[k]) & (var_k >= min_lims[k])]
return index
def sidebands(subspace_indices, Blockmin, Blockmax):
"""Determina le sidebands di una scatola.
Inputs:
subspace_indices -- indici delle k variabili per cui si stanno
facendo variare gli estremi dei lati
Blockmin -- vettore con estremi inferiori dei lati della scatola
Blockmax -- vettore con estremi superiori dei lati della scatola
Outputs:
Sidemin -- vettore con estremi inferiori delle sidebands della scatola
Sidemax -- vettore con estremi superiori delle sidebands della scatola
"""
sidewidth = 0.5 * (2 ** (1 / len(subspace_indices)) - 1)
Sidemin = Blockmin + sidewidth * (Blockmin - Blockmax)
Sidemax = Blockmax + sidewidth * (Blockmax - Blockmin)
Sidemin = np.maximum(np.zeros_like(Sidemin), Sidemin)
Sidemax = np.minimum(np.ones_like(Sidemax), Sidemax)
return Sidemin, Sidemax
def PCA_f(X, soglia):
"""Trasforma un insieme di dati tramite l'analisi delle componenti
principali.
Inputs:
X -- l'insieme di dati sottoforma di DataFrame
soglia -- la frazione di varianza spiegata minima dell'insieme
di dati finale rispetto a quello iniziale
Outputs:
X_df_transformed -- DataFrame composto dalle componenti principali,
il numero di componenti principali viene determinato dal parametro
di soglia dato in input
"""
X_std = StandardScaler().fit_transform(X)
X_std = (X_std - X_std.min(axis=0)) / (X_std.max(axis=0) - X_std.min(axis=0))
X = pd.DataFrame(data=X_std, index=None, columns=X.columns)
pca = PCA(n_components=len(X.columns)) # max number of pca
pca.fit(X)
# Standardizing the features
X_transformed = pca.transform(X)
var_cumulata = np.array(
[pca.explained_variance_ratio_[:i].sum() for i in range(1, len(X.columns))]
).round(2)
idx_ok = np.argmax(var_cumulata >= soglia)
pca_names = []
for i in range(idx_ok):
tmp = ["PCA", str(i + 1)]
pca_names.append(" ".join(tmp))
X_df_transformed = pd.DataFrame(
data=X_transformed[:, :idx_ok], index=None, columns=pca_names
)
return X_df_transformed
def get_num_events(block_min, block_max, X):
"""Calcola il numero di eventi inclusi in una scatola.
Inputs:
Blockmin -- vettore con estremi inferiori dei lati della scatola
Blockmax -- vettore con estremi superiori dei lati della scatola
X -- l'insieme di dati sottoforma di DataFrame
Outputs:
il numero di eventi inclusi in una scatola
"""
return (
(np.min(X - block_min, axis=1) > 0) & (np.min(block_max - X, axis=1) > 0)
).sum()
def best_box(dict_scatole, df_completo, frazione_segnale_tot):
"""Seleziona la scatola migliore tra tutte quelle ottenute
tramite diverse iterazioni. La scatola migliore e' definita
come quella con massimo valore per la statistica considerata.
Inputs:
dict_scatole -- dizionario con all'interno tutte le scatole, la
chiave per ogni scatola e' definita pari all'iterazione in cui
quella scatola e' stata creata, per ogni scatola contiene le seguenti
informazioni:
- gli indici dei punti contenuti nella scatola
- il volume della scatola
- il numero di punti contenuti nella scatola
- gli estremi superiori e inferiori dei lati della scatola
- gli estremi superiori e inferiori delle sidebands della scatola
- il valore della statistica per la scatola
- gli indici delle variabili per cui i lati sono stati fatti variare
df_completo -- insieme di dati completo, in cui e' presente anche
la variabile risposta
frazione_segnale_tot -- la frazione di segnale presente nei dati
Outputs:
out -- un dizionario con al suo interno diverse caratteristiche
legate alla scatola con statistica maggiore:
- gli indici dei punti contenuti nella scatola
- il volume della scatola
- il numero di punti contenuti nella scatola
- gli estremi superiori e inferiori dei lati della scatola
- gli estremi superiori e inferiori delle sidebands della scatola
- il valore della statistica per la scatola
- gli indici delle variabili per cui i lati sono stati fatti variare
- la percentuale di punti nella scatola appartenenti alla classe di
segnale
- la percentuale di segnale totale catturato dalla scatola
"""
size = len(dict_scatole)
ris = np.zeros([size, 2])
for k, v in dict_scatole.items():
ris[k] = (k, v["stat_best"])
punto_max = np.argmax(ris, axis=0)[1]
sotto_df = df_completo.loc[dict_scatole[punto_max]["included_points"], :]
if len(sotto_df) > 0:
out = {
"scatola_migliore": dict_scatole[punto_max],
"percentuale_segnale": len(sotto_df[sotto_df["Signal"] == 1.0])
/ len(sotto_df),
"percentuale_segnale_totale": (
len(sotto_df[sotto_df["Signal"] == 1.0])
/ (len(df_completo) * frazione_segnale_tot)
),
}
else:
out = {
"scatola_migliore": dict_scatole[punto_max],
"percentuale_segnale_totale": (
len(sotto_df[sotto_df["Signal"] == 1.0])
/ (len(df_completo) * frazione_segnale_tot)
),
}
return out
def ZPL2(Non, Ntot, vol):
"""Calcola la statistica da massimizzare.
Inputs:
Non -- il numero di punti contenuti nella scatola
Ntot -- il numero di punti totali presenti nell'insieme
di dati
vol -- il volume della scatola
Outputs:
z -- il valore della statistica ZPL per quella scatola
"""
if Non == 0:
return 0
else:
tau = (1 - vol) / ((vol))
Noff = Ntot - Non
valore = (Non * np.log(Non * (1 + tau) / Ntot)) + (
Noff * np.log(Noff * (1 + tau) / (Ntot * tau))
)
if valore <= 0:
z = 0
else:
z = np.sqrt(2) * np.sqrt(valore)
if Non < (Noff / tau):
return -z
else:
return z
def scatola_iniziale_dist_euclidea(X_smpl, leaf_size):
"""Definisce una scatola in modo che essa sia centrata nel punto con distanza
minore alla maggior parte di punti.
Inputs:
X_smpl -- il sottoinsieme dei dati di partenza
leaf_size -- il numero massimo di punti da avere in una foglia
Outputs:
Blockmin -- vettore con estremi inferiori dei lati della scatola
Blockmax -- vettore con estremi superiori dei lati della scatola
VolumeOrig -- volume della scatola
"""
kdt = KDTree(X_smpl, leaf_size=leaf_size, metric="euclidean")
p = kdt.query(X_smpl, k=X_smpl.shape[0], return_distance=True)
a = p[0]
pr = a == a.min(0)
pr_somma = pr.astype(int).sum(1)
pto_centrale = X_smpl[pr_somma.argmax()].copy()
inf_unif = pto_centrale - 0.1
sup_unif = pto_centrale + 0.1
inf_unif[inf_unif < 0] = 0
sup_unif[sup_unif > 1] = 1
Blockmin = inf_unif
Blockmax = sup_unif
VolumeOrig = np.cumprod(Blockmax - Blockmin)
# print(VolumeOrig)
if any(VolumeOrig < 0.001):
first_idx_not_valid = int(np.where(VolumeOrig < 0.001)[0][0])
Blockmin[
(first_idx_not_valid - 1) :
] = 0 # non sono così sicura di questa parte
Blockmax[(first_idx_not_valid - 1) :] = 1
if first_idx_not_valid == 0:
# print(first_idx_not_valid)
return scatola_iniziale_dist_euclidea(X_smpl, leaf_size)
return Blockmin, Blockmax, VolumeOrig[first_idx_not_valid - 1]
else:
return Blockmin, Blockmax, VolumeOrig[len(Blockmin) - 1]
# Nuovo gd
def gradient_sequenziale(
X,
number_trials,
numbers_gd_loops,
PCA_opt=False,
soglia_pca=0.8,
step_width_val=0.15,
max_volume_box=0.05,
epsilon=0.01,
numero_slices=10,
inizializzazione_distanze=True,
):
"""Ricerca la scatola migliore per un certo numero di inizializzazioni differenti.
Inputs:
X -- matrice del modello
number_trials -- il numero di iterazioni che esegue l'algoritmo, ad ogni iterazione
l'inizializzazione e' differente
numbers_gd_loops -- il numero di passi eseguiti ad ogni iterazione per massimizzare
la statistica ZPL
PCA_opt -- True o False, permette di definire se eseguire la trasformazione tramite
l'analisi delle componenti principali o meno
soglia_pca -- soglia di varianza spiegata da considerare nell'analisi delle
componenti principali
step_width_val -- l'ampiezza del passo iniziale con cui muovere i lati della scatola
max_volume_box -- il volume massimo che può assumere la scatola
epsilon -- un valore piccolo utilizzato per modificare in certe situazioni
gli estremi dei lati della scatola
numero_slices -- il valore che determina in quante finestre suddividere il dominio
di ogni singola variabile esplicativa quando si vanno a selezionare le variabili
esplicative più promettenti da mantenere invariate anche all'iterazione successiva
inizializzazione_distanze -- opzione per eseguire l'inizializzazione della scatola
basandosi sulla distanze, se False la scatola è inizializzata casualmente
Outputs:
out -- dizionario con all'interno tutte le scatole, la
chiave per ogni scatola e' definita pari all'iterazione in cui
quella scatola e' stata creata. Per ogni scatola sono registrate le seguenti
informazioni:
- gli indici dei punti contenuti nella scatola
- il volume della scatola
- il numero di punti contenuti nella scatola
- gli estremi superiori e inferiori dei lati della scatola
- gli estremi superiori e inferiori delle sidebands della scatola
- il valore della statistica per la scatola
- gli indici delle variabili per cui i lati sono stati fatti variare
"""
out = {}
X = df.loc[:, df.columns != "Signal"]
X_std = StandardScaler().fit_transform(X)
X_std = (X - X.min(axis=0)) / (X.max(axis=0) - X.min(axis=0))
X = pd.DataFrame(data=X_std, index=None, columns=X.columns)
if PCA_opt:
X = PCA_f(X, soglia_pca)
X_array = X.values
X_trasf = probability_integral_transform(X_array)
X = pd.DataFrame(data=X_trasf, index=None, columns=X.columns)
X_numpy = X.to_numpy()
Numbers_variables = X_numpy.shape[1]
goodevents = X_numpy.shape[0]
Number_random_boxes = int(math.log(10 / goodevents) / math.log(1 / 3))
if Numbers_variables <= Number_random_boxes:
Number_random_boxes = Numbers_variables
passaggio = 0
for ntrial in range(number_trials):
print(f"ntrial: {ntrial}")
if Number_random_boxes > Numbers_variables and inizializzazione_distanze:
idx_fissi = int(Number_random_boxes / 2)
if passaggio == 0:
subspace_indices = np.random.choice(
Numbers_variables, size=Number_random_boxes, replace=False
)
else: # uso le tre variabili più promettenti tra quelle già selezionate
# e le altre le seleziono a caso
intervalli = np.linspace(start=0, stop=1, num=numero_slices)
num_eventi_variabile_univariata = np.zeros(
[len(subspace_indices), numero_slices - 1]
)
for kk in range(len(subspace_indices)):
for k_int in range(len(intervalli) - 1):
print(k_int)
num_eventi_variabile_univariata[kk, k_int] = get_num_events(
intervalli[k_int],
intervalli[k_int + 1],
X_numpy[:, subspace_indices[kk]].reshape(
(X_numpy.shape[0], 1)
),
)
vettore_max = np.max(num_eventi_variabile_univariata, axis=1)
indici_ordinati = np.argsort(-1 * vettore_max, axis=0)
subspace_indices[0:idx_fissi] = indici_ordinati[0:idx_fissi]
var_non_usabili = subspace_indices[0:idx_fissi]
tot_var = np.arange(X_numpy.shape[1])
possibili_indici = np.setxor1d(tot_var, var_non_usabili)
subspace_indices[idx_fissi:Number_random_boxes] = np.random.choice(
possibili_indici, size=idx_fissi, replace=False
)
passaggio += 1
else:
subspace_indices = np.random.choice(
Numbers_variables, size=Number_random_boxes, replace=False
)
sidewidth = 0.5 * (2 ** (1 / Number_random_boxes) - 1)
X_numpy_smpl = X_numpy[:, subspace_indices]
# inizializzazione della prima scatola
# obs_indices = np.random.choice(goodevents, size = 5000, replace = False)
# X_tmp = X_numpy_smpl[obs_indices,:]
Blockmin_numpy, Blockmax_numpy, _ = scatola_iniziale_dist_euclidea(
X_numpy_smpl, leaf_size=4000
)
step_width = np.zeros([len(subspace_indices), 4]) + step_width_val
num_events_block = get_num_events(Blockmin_numpy, Blockmax_numpy, X_numpy_smpl)
# controllo se per caso la scatola iniziale ha troppi pochi eventi
# all'interno,
# in caso richiamo la funzione
if num_events_block <= 1:
while num_events_block <= 1:
subspace_indices = np.random.choice(
Numbers_variables, size=Number_random_boxes, replace=False
)
X_numpy_smpl = X_numpy[:, subspace_indices]
Blockmin_numpy, Blockmax_numpy, _ = scatola_iniziale_dist_euclidea(
X_numpy_smpl, leaf_size=4000
)
num_events_block = get_num_events(
Blockmin_numpy, Blockmax_numpy, X_numpy_smpl
)
stop_rule = np.zeros(len(subspace_indices), dtype=bool)
for gd in range(numbers_gd_loops):
digrad = 0
igrad = -1
# if gd % 10 == 0:
# print(f"gd loop: {gd}")
VolumeOrig = (Blockmax_numpy - Blockmin_numpy).prod()
Sidebands_min, Sidebands_max = sidebands(
subspace_indices, Blockmin_numpy, Blockmax_numpy
)
# numero eventi contenuti nella scatola
num_events_block = get_num_events(
Blockmin_numpy, Blockmax_numpy, X_numpy_smpl
)
# numero eventi solo nelle sidebands
no_step = np.zeros([len(subspace_indices), 4], dtype=bool)
if VolumeOrig >= max_volume_box:
no_step[:, 0] = np.ones(len(subspace_indices), dtype=bool)
no_step[:, 3] = np.ones(len(subspace_indices), dtype=bool)
no_step[:, 1] = step_width[:, 1] >= (
Blockmax_numpy - Blockmin_numpy - epsilon
)
no_step[:, 2] = step_width[:, 2] >= (
Blockmax_numpy - Blockmin_numpy - epsilon
)
# inizializzare bmin e bmax
bmin = np.zeros([len(subspace_indices), 4])
bmax = np.ones([len(subspace_indices), 4])
# inizializzo VolumeMod
VolumeMod = np.ones([len(subspace_indices), 4])
multiplier = VolumeOrig / (Blockmax_numpy - Blockmin_numpy)
# Sposto solo gli estremi inferiori delle variabili a sinistra
# io nostep lo uso qui e non prima di calcolare Z
bmin[:, 0] = Blockmin_numpy - step_width[:, 0]
bmax[:, 0] = Blockmax_numpy.copy()
bmin[bmin[:, 0] < 0, 0] = 0
VolumeMod[:, 0] = multiplier * np.abs(bmax[:, 0] - bmin[:, 0])
# Sposto solo gli estremi inferiori delle variabili a destra
bmin[:, 1] = Blockmin_numpy + step_width[:, 1]
bmax[:, 1] = Blockmax_numpy.copy()
bmin[bmin[:, 1] > (bmax[:, 1] - epsilon), 1] = (
bmax[bmin[:, 1] > (bmax[:, 1] - epsilon), 1] - epsilon
)
VolumeMod[:, 1] = multiplier * np.abs(bmax[:, 1] - bmin[:, 1])
# Sposto solo gli estremi superiori delle variabili a sinistra
bmax[:, 2] = Blockmax_numpy - step_width[:, 2]
bmin[:, 2] = Blockmin_numpy.copy()
bmax[bmax[:, 2] < (bmin[:, 2] + epsilon), 2] = (
bmin[bmax[:, 2] < (bmin[:, 2] + epsilon), 2] + epsilon
)
VolumeMod[:, 2] = multiplier * np.abs(bmax[:, 2] - bmin[:, 2])
# Sposto solo gli estremi superiori delle variabili a destra
bmax[:, 3] = Blockmax_numpy + step_width[:, 3]
bmin[:, 3] = Blockmin_numpy.copy()
bmax[bmax[:, 3] > 1, 3] = 1
VolumeMod[:, 3] = multiplier * np.abs(bmax[:, 3] - bmin[:, 3])
# determinare le sidebands dopo aver effettuato lo spostamento
smin = np.zeros([len(subspace_indices), 4])
smax = np.ones([len(subspace_indices), 4])
for i in range(4):
for k in range(len(subspace_indices)):
smin[k, i] = bmin[k, i] * (1 + sidewidth) - sidewidth * bmax[k, i]
smax[k, i] = bmax[k, i] * (1 + sidewidth) - sidewidth * bmin[k, i]
smin[smin[k, i] < 0] = 0
smax[smax[k, i] > 1] = 1
# ZPLtau
Zval_start = ZPL2(num_events_block, goodevents, VolumeOrig)
Zval_best = Zval_start
ZPL = np.zeros(4)
Nin_grad = np.zeros([len(subspace_indices), 4])
side_grad = np.zeros([len(subspace_indices), 4])
for k in range(len(subspace_indices)):
if stop_rule[k]:
continue
for m in range(4):
if not no_step[k, m]:
Block_min_tmp = Blockmin_numpy.copy()
Block_max_tmp = Blockmax_numpy.copy()
Block_min_tmp[k] = bmin[k, m]
Block_max_tmp[k] = bmax[k, m]
Side_min_tmp = Sidebands_min.copy()
Side_max_tmp = Sidebands_max.copy()
Side_min_tmp[k] = smin[k, m]
Side_max_tmp[k] = smax[k, m]
Nin_grad[k, m] = get_num_events(
Block_min_tmp, Block_max_tmp, X_numpy_smpl
)
side_grad[k, m] = (
get_num_events(Side_min_tmp, Side_max_tmp, X_numpy_smpl)
- Nin_grad[k, m]
)
ZPL[m] = ZPL2(Nin_grad[k, m], goodevents, VolumeMod[k, m])
if ZPL[m] > Zval_best:
Zval_best = ZPL[m]
digrad = m
igrad = k
if igrad == -1:
for k in range(len(subspace_indices)):
for m in range(4):
step_width[k, m] = step_width[k, m] - epsilon
if step_width[k, m] < epsilon:
step_width[k, m] = epsilon
if all(step_width[k, :] <= epsilon):
stop_rule[k] = True
else:
Blockmin_numpy[igrad] = bmin[igrad, digrad]
Blockmax_numpy[igrad] = bmax[igrad, digrad]
Sidebands_min[igrad] = smin[igrad, digrad]
Sidebands_max[igrad] = smax[igrad, digrad]
for m in range(4):
if m != digrad:
step_width[k, m] = 0.8 * step_width[k, m]
if digrad == 0:
if Blockmin_numpy[0] > 0:
step_width[igrad, 0] = step_width[igrad, 0] * 1.5
if step_width[igrad, 0] > Blockmin_numpy[igrad]:
step_width[igrad, 0] = Blockmin_numpy[igrad]
else:
step_width[igrad, 0] = epsilon
if digrad == 1 or digrad == 2:
if Blockmax_numpy[igrad] - Blockmin_numpy[igrad] > epsilon:
step_width[igrad, digrad] = step_width[igrad, digrad] * 1.5
if step_width[igrad, digrad] > (
Blockmax_numpy[igrad] - Blockmin_numpy[igrad] - epsilon
):
step_width[igrad, digrad] = (
Blockmax_numpy[igrad] - Blockmin_numpy[igrad] - epsilon
)
else:
step_width[igrad, 0] = epsilon
if digrad == 3:
if Blockmax_numpy[igrad] < 1:
step_width[igrad, 3] = step_width[igrad, 3] * 1.5
if step_width[igrad, 3] > (1 - Blockmax_numpy[igrad]):
step_width[igrad, 3] = 1 - Blockmax_numpy[igrad]
else:
step_width[igrad, 3] = epsilon
# calcolo qta' per output
included_points = get_included_points_indices_subspace(
Blockmin_numpy, Blockmax_numpy, subspace_indices, X_numpy
)
num_events_block_last = get_num_events(
Blockmin_numpy, Blockmax_numpy, X_numpy_smpl
)
best_box_volume = (Blockmax_numpy - Blockmin_numpy).prod()
best_sidebands_min, best_sidebands_max = sidebands(
subspace_indices, Blockmin_numpy, Blockmax_numpy
)
best_VolumeSidebands = (best_sidebands_max - best_sidebands_min).prod()
migliore_Z = Zval_best
out[ntrial] = {
"box_volume": best_box_volume,
"box_vol_sidebands": best_VolumeSidebands,
"box_IN": num_events_block_last,
"stat_best": migliore_Z,
"Blockmin": Blockmin_numpy,
"Blockmax": Blockmax_numpy,
"subspace_idx": subspace_indices,
"included_points": included_points,
}
return out
if __name__ == "__main__":
##############################################################################
frazione_segnale = 0.01 # NB CAMBIARE #######################################
##############################################################################
# df = creazione_df(10000, 20, 15, np.array([0.01, 0.1]), 1 - frazione_segnale)
df = pd.read_csv(r"dati_generati/df_xgboost_def_5000_oss.csv")
prova_start_time = time.perf_counter()
prova = gradient_sequenziale(
number_trials=5,
numbers_gd_loops=5,
soglia_pca=0.8,
step_width_val=0.2,
max_volume_box=0.25,
X=df,
PCA_opt=True,
numero_slices=10,
inizializzazione_distanze=False,
)
prova_time = time.perf_counter() - prova_start_time
print(best_box(prova, df, frazione_segnale), file=open("output.txt", "a"))
print(prova_time)