最近，在自动机器学习方面有很多工作，从选择合适的算法到特征选择和超参数调优。有几种可用的工具(例如:AutoML和TPOT)，可以帮助用户高效地执行数百个实验。同样，深层神经网络结构通常由专家设计;通过试验和错误的方法。通过这种方法，在几个领域研发出了最先进的模型，但是这种方法非常耗时。最近，由于可用计算能力的增加，研究人员正在使用强化学习和进化算法来自动化搜索最优的神经结构。

在本文中，我们将学习如何应用遗传算法(GA)来寻找一个最优的窗口大小和一些基于递归神经网络(RNN)的长短期记忆(LSTM)单元。为此，我们将使用Keras来训练和评估时间序列预测问题的模型。对于遗传算法，将使用名为DEAP的python包。本文的主要目的是让读者熟悉遗传算法，以找到最优设置;因此，本文只研究两个参数。此外，本文假定读者对RNN有所认识(理论和应用)。

具有完整代码的ipython netbook可以在以下链接中找到。

遗传算法

遗传算法是一种启发式搜索，是一种基于自然选择过程的优化方法。它们被广泛应用于在较大的参数空间寻找近似最优解的优化问题。物种进化的过程(例子中的解决方法)是模仿的，依赖于生物启发的部分，例如交叉。此外，由于它不考虑辅助信息(例如导数)，它可以用于离散和连续优化。

对于遗传算法，必须满足两个先决条件，a)解决方案表示或定义一个染色体，b)适应度函数来评估产生的解决方案。在我们的例子中，二进制数组是解决方案的遗传表示(参见图1)，模型在验证集上的均方根误差(RMSE)将成为一个适应度值。此外，构成遗传算法的三种基本操作如下:

选择:它定义了为进一步的复制而保留的解决方案。例如赌轮选择。

交叉:它描述了如何从现有的解决方案创建新的解决方案。例如n点交叉。

突变:它的目的是通过随机交换或关闭解决方案，将多样性和新奇性引入到解决方案池(solution pool)中。例如二进制突变。

图1

有时，一种被称为“Elitism”的技术也被使用，它只保留少数最好的解决方案，并传递给下一代。图2描述了一个完整的遗传算法，其中，初始解(种群)是随机生成的。接下来，根据适应度函数和选择进行评估，然后进行交叉和变异。这个过程重复定义迭代的次数中重复。最后，选择一个具有最高适应度分数的解决方案作为最佳解决方案。

图2

实现

现在，我们对遗传算法是什么以及它如何工作有一个很好的理解。接下来，让我们开始编码。

我们将使用风力发电预测数据。它由7个风力发电场的标准(0-1)风能度量组成。为了简单起见，我们将使用第一个风力发电场(名为wp1)，但我鼓励读者尝试并扩展代码，以预测所有7个风力发电场的能源。

导入所需的包，加载数据集并定义两个辅助函数。第一个方法prepare_dataset将数据分割成块，为模型训练创建XY对。X是过去(例1到t-1)的风电价值(wind power value)，Y将在t时刻为未来值(future value)。第二种方法train_evaluate执行三件事，1)解码遗传算法解决方案以获得窗口大小和单元数。2)使用GA找到的窗口大小来准备数据集，并将其划分为训练和验证集，3)训练LSTM模型，在验证集上计算RMSE，并返回该值将其作为当前遗传算法解决方案的适应度值。

import numpy as np

import pandas as pd

from sklearn.metrics import mean_squared_error

from sklearn.model_selection import train_test_split as split

from keras.layers import LSTM, Input, Dense

from keras.models import Model

from deap import base, creator, tools, algorithms

from scipy.stats import bernoulli

from bitstring import BitArray

np.random.seed(1120)

data = pd.read_csv('train.csv')

data = np.reshape(np.array(data['wp1']),(len(data['wp1']),1))

# Use first 17,257 points as training/validation and rest of the 1500 points as test set.

train_data = data[0:17257]

test_data = data[17257:]

def prepare_dataset(data, window_size):

X, Y = np.empty((0,window_size)), np.empty((0))

for i in range(len(data)-window_size-1):

X = np.vstack([X,data[i:(i + window_size),0]])

Y = np.append(Y,data[i + window_size,0])

X = np.reshape(X,(len(X),window_size,1))

Y = np.reshape(Y,(len(Y),1))

return X, Y

def train_evaluate(ga_individual_solution):

# Decode GA solution to integer for window_size and num_units

window_size_bits = BitArray(ga_individual_solution[0:6])

num_units_bits = BitArray(ga_individual_solution[6:])

window_size = window_size_bits.uint

num_units = num_units_bits.uint

print('\nWindow Size: ', window_size, ', Num of Units: ', num_units)

# Return fitness score of 100 if window_size or num_unit is zero

if window_size == 0 or num_units == 0:

return 100,

# Segment the train_data based on new window_size; split into train and validation (80/20)

X,Y = prepare_dataset(train_data,window_size)

X_train, X_val, y_train, y_val = split(X, Y, test_size = 0.20, random_state = 1120)

# Train LSTM model and predict on validation set

inputs = Input(shape=(window_size,1))

x = LSTM(num_units, input_shape=(window_size,1))(inputs)

predictions = Dense(1, activation='linear')(x)

model = Model(inputs=inputs, outputs=predictions)

model.compile(optimizer='adam',loss='mean_squared_error')

model.fit(X_train, y_train, epochs=5, batch_size=10,shuffle=True)

y_pred = model.predict(X_val)

# Calculate the RMSE score as fitness score for GA

rmse = np.sqrt(mean_squared_error(y_val, y_pred))

print('Validation RMSE: ', rmse,'\n')

return rmse,

接下来，使用DEAP包来定义运行遗传算法的东西。对于长度为10的解，我们将使用二进制表示。它将使用伯努利分布随机初始化。同样，使用了有序交叉、随机突变和赌轮选择。遗传算法参数值被任意初始化;我建议你在不同的设置下尝试。

population_size = 4

num_generations = 4

gene_length = 10

# As we are trying to minimize the RMSE score, that's why using -1.0.

# In case, when you want to maximize accuracy for instance, use 1.0

creator.create('FitnessMax', base.Fitness, weights = (-1.0,))

creator.create('Individual', list , fitness = creator.FitnessMax)

toolbox = base.Toolbox()

toolbox.register('binary', bernoulli.rvs, 0.5)

toolbox.register('individual', tools.initRepeat, creator.Individual, toolbox.binary,

n = gene_length)

toolbox.register('population', tools.initRepeat, list , toolbox.individual)

toolbox.register('mate', tools.cxOrdered)

toolbox.register('mutate', tools.mutShuffleIndexes, indpb = 0.6)

toolbox.register('select', tools.selRoulette)

toolbox.register('evaluate', train_evaluate)

population = toolbox.population(n = population_size)

r = algorithms.eaSimple(population, toolbox, cxpb = 0.4, mutpb = 0.1,

ngen = num_generations, verbose = False)

通过使用 tools.selBest(population,k = 1)，可以很容易地通过遗传算法找到的K最佳解决方案。之后，最优配置可以用来训练完整的训练集，并在holdout测试集上进行测试。

# Print top N solutions - (1st only, for now)

best_individuals = tools.selBest(population,k = 1)

best_window_size = None

best_num_units = None

for bi in best_individuals:

window_size_bits = BitArray(bi[0:6])

num_units_bits = BitArray(bi[6:])

best_window_size = window_size_bits.uint

best_num_units = num_units_bits.uint

print('\nWindow Size: ', best_window_size, ', Num of Units: ', best_num_units)

# Train the model using best configuration on complete training set

#and make predictions on the test set

X_train,y_train = prepare_dataset(train_data,best_window_size)

X_test, y_test = prepare_dataset(test_data,best_window_size)

inputs = Input(shape=(best_window_size,1))

x = LSTM(best_num_units, input_shape=(best_window_size,1))(inputs)

predictions = Dense(1, activation='linear')(x)

model = Model(inputs = inputs, outputs = predictions)

model.compile(optimizer='adam',loss='mean_squared_error')

model.fit(X_train, y_train, epochs=5, batch_size=10,shuffle=True)

y_pred = model.predict(X_test)

rmse = np.sqrt(mean_squared_error(y_test, y_pred))

print('Test RMSE: ', rmse)

在本文中，我们了解了如何使用遗传算法自动找到最佳窗口大小以及在RNN中使用的一些单元。为了进一步学习，我建议尝试使用不同的遗传算法参数配置，扩展遗传表达式，以包含更多的参数。