Comments (18)
Ok pues me quedo pendiente :)
from 2015-evostar.
Reescribirlo de acuerdo con lo escrito en #13 por @deantares Asigno a @amorag, que escribió la versión origina. en vista de que @deantares no lo hace por mucho CRITICAL que lleva.
from 2015-evostar.
Estoy en ello joooooooo
Más CRITICAL es lanzarlo (que es lo que estoy ajustando ahora mismo) y mientras está lanzado ya lo escribo...
from 2015-evostar.
Escríbelo que las cosas en caliente pegan.
from 2015-evostar.
Te reasigno.
from 2015-evostar.
Alguno de vosotros, @amorag o @deantares , ¿lo va a hacer de una vez? Lleva siendo urgente desde hace una semana... que es sólo reescribir lo que hay poniendo la descripción real de los experimentos, coñe.
from 2015-evostar.
Sip, lo voy a hacer yo.
Pero todavía no sabemos los valores reales que se utilizarán.
Antares está haciendo pruebas.
En todo caso intentaré mejorar/completar las descripciones actuales. ;)
De: Juan Julián Merelo Guervós [mailto:[email protected]]
Enviado el: miércoles, 5 de noviembre de 2014 12:58
Para: geneura-papers/2015-Evostar
CC: Antonio Mora
Asunto: Re: [2015-Evostar] Escribir el procedimiento experimental y redescribir los métodos probados (#14)
Alguno de vosotros, @amorag https://github.com/amorag o @deantares https://github.com/deantares , ¿lo va a hacer de una vez? Lleva siendo urgente desde hace una semana... que es sólo reescribir lo que hay poniendo la descripción real de los experimentos, coñe.
—
Reply to this email directly or view it on GitHub #14 (comment) . https://github.com/notifications/beacon/AC6-Ws0h55RWParu9I8Do30Ch7nUim9-ks5nKggzgaJpZM4C1Tru.gif
No se encontraron virus en este mensaje.
Comprobado por AVG - www.avg.com
Versión: 2013.0.3485 / Base de datos de virus: 4189/8513 - Fecha de publicación: 11/05/14
from 2015-evostar.
Hecho, aunque veía del Issue #10, no del #13. ;)
Yo metería una tabla de resumen de criterios y valores, por claridad para el lector.
from 2015-evostar.
Por contar como va la cosa, todavía no han terminado (todas) las ejecuciones del algoritmo, pero ya tengo preparada la parte de script para el análisis de los resultados. Os dejo algunos resultados parciales por si se os ocurre alguna cosa más a mirar:
Evolución del fitness de la población en una ejecución concreta del algoritmo
Correspondencia entre el tiempo de ejecución del algoritmo y el número de generaciónnnnnnn
Boxplot de SCORE alcanzado por el mejor individuo según cada método de parada en todas las ejecuciones del algoritmo
Boxplot de GENERACIONES necesarias para el mejor individuo según cada método de parada en todas las ejecuciones del algoritmo
from 2015-evostar.
Vale. La del tiempo por generación no sirve de nada. El resto, veo un
incremente muy lento del fitness según aumenta el número de generaciones.
Age of Outliers es prácticamente inútil. Y FT sólo es úitl si efectivamente
sabes algo dle fitness (en el caso de Made, por ejemplo, no lo sabemos)
Usa como base NG_030 y compara el número de generaciones necesarias para
conseguir una unidad adicional de fitness.
from 2015-evostar.
No entiendo muy bien por qué FT obtiene mejores resultados. Me parece que
la comparación que estáis haciendo no es justa. ¿Qué fitness ponéis en FT y
en el resto? Igual que NG. El fitness sólo puede depender del número de
generaciones, porque todas las ejecuciones se hacen a la vez, ¿no?
OK, ya me ha explicado @amorag que el score no es el fitness, sino una evaluación externa. Y en todo caso es media, o sea que sí podría ser que variara si no se distribuyen las generaciones necesarias según un límite central.
from 2015-evostar.
Por favor, incluye tamtién en el repo el código R para generar los gráficos y .RData y RHistory
from 2015-evostar.
Lo que le he dicho a @JJ es lo que he supuesto, que los resultados del score muestran la puntuación obtenida por cada mejor individuo al evaluarlo de forma 'externa' contra otros rivales, ¿no?
¿La última gráfica muestra resultados medios o el mejor que se ha obtenido en cada caso?
Me ha encantado la de Generaciones/Tiempo. XD
from 2015-evostar.
Todas las condiciones de parada tienen el mismo fitness. Y todas las evaluaciones se hacen a la vez.
Sobre FT el problema es que hay muchas ejecuciones en la que no está llegando a ese valor umbral y está tomando una infinidad de generaciones adicionales (casi el doble) en las que si lo está haciendo. La cuestión es que para un incremento del fitness de un punto, es necesaria una gran cantidad de generaciones adicionales del algoritmo, doblando casi el tiempo necesario.
Sobre poner los .R en el repo, okis
De todos modos, son resultados parciales ya que aún no han terminado todas las ejecuciones. En cuanto terminen vuelvo a generarlas.
Un saludote.
from 2015-evostar.
Pero esas ejecuciones también las has metido, ¿no?
¿Cuál es el máximo de generaciones?
from 2015-evostar.
Máximo de generaciones: 500. Si a las 500 no ha "terminado" un criterio de parada, se concluye el algoritmo. Para no tenerlo de por vida ejecutándose...
Si, he metido todas las ejecuciones tanto las terminadas como las que están en proceso para ir preparando los scripts y viendo como van la experimentación.
from 2015-evostar.
Con todo y con eso, FT tiene los mejores resultados, ¿no?
from 2015-evostar.
Entonces ok.
En la última gráfica:
Lo que me despista son las 'oscilaciones' que se producen con los resultados de los FT, ya que siempre mejoran a otros resultados obtenidos posteriormente (en la misma ejecución):
FT_20 mejora a NG_100 RT_0,125, FT_22 mejora a NG_200 y RT_0,0625...
Es un poco sospechoso que pase siempre con los resultados de FT.
Comprueba que estén bien, plis. ;)
Ahm, @JJ me dice que son resultados medios de todas las ejecuciones, ¿es así?
En ese caso puede pasar, pero sigue siendo un poco sospechoso, ¿no?
from 2015-evostar.
Related Issues (20)
- [Made] Lanzar los experimentos YA HOT 34
- [MADE] Estudio del ruido al principio, en mitad y al final HOT 8
- [MADE] Realizar análisis estadístico HOT 41
- [Made] Explicar la motivación del paper y generalizar el problema HOT 4
- [Made] Explicar los resultados de los boxplots HOT 2
- Incluir los gráficos y la explicación de los mismos en el paper HOT 7
- Volver a generar los boxplots con escala logarítmica HOT 2
- [Made] Lanzar los experimentos con 512 días para obtener más información de las ejecuciones HOT 5
- [MADE] Estudio de la mejor ejecución
- Sacar conclusiones del artículo HOT 2
- [GPBot] Describir las propiedades, operadores y parametrización del algoritmo genético HOT 6
- [GPBot] Test de las poblaciones, dudas HOT 5
- [MADE] Decidir a qué track se envía el paper HOT 2
- [MADE] Revisar las referencias
- [GPbot] Revisar las referencias HOT 6
- [GPbot] Escribir conclusiones HOT 2
- [GPbot] Revisar y enviar la versión final HOT 2
- [MADE] Preparar camera ready HOT 8
- [GPBOT] Preparar Camera Ready HOT 2
Recommend Projects
-
React
A declarative, efficient, and flexible JavaScript library for building user interfaces.
-
Vue.js
🖖 Vue.js is a progressive, incrementally-adoptable JavaScript framework for building UI on the web.
-
Typescript
TypeScript is a superset of JavaScript that compiles to clean JavaScript output.
-
TensorFlow
An Open Source Machine Learning Framework for Everyone
-
Django
The Web framework for perfectionists with deadlines.
-
Laravel
A PHP framework for web artisans
-
D3
Bring data to life with SVG, Canvas and HTML. 📊📈🎉
-
Recommend Topics
-
javascript
JavaScript (JS) is a lightweight interpreted programming language with first-class functions.
-
web
Some thing interesting about web. New door for the world.
-
server
A server is a program made to process requests and deliver data to clients.
-
Machine learning
Machine learning is a way of modeling and interpreting data that allows a piece of software to respond intelligently.
-
Visualization
Some thing interesting about visualization, use data art
-
Game
Some thing interesting about game, make everyone happy.
Recommend Org
-
Facebook
We are working to build community through open source technology. NB: members must have two-factor auth.
-
Microsoft
Open source projects and samples from Microsoft.
-
Google
Google ❤️ Open Source for everyone.
-
Alibaba
Alibaba Open Source for everyone
-
D3
Data-Driven Documents codes.
-
Tencent
China tencent open source team.
from 2015-evostar.