plot_pareto_front

optuna.visualization.plot_pareto_front(study, *, target_names=None, include_dominated_trials=True, axis_order=None, constraints_func=None, targets=None)

绘制研究的 Pareto 前沿。

另请参阅

有关 Pareto 前沿可视化的教程，请参阅 使用 Optuna 进行多目标优化。

参数：

• study (Study) – 一个 Study 对象，其 Trials 的目标值将被绘制。当 targets 为 None 时，目标数量必须为 2 或 3。

• target_names (list[str] | None) – 用作坐标轴标题的目标名称列表。如果指定为 None，则使用“Objective {objective_index}”。如果为不包含任何已完成 trial 的研究指定了 targets，则必须指定 target_name。

• include_dominated_trials (bool) – 一个标志，用于包含所有被支配 trial 的目标值。

• axis_order (list[int] | None) –

  一个指示坐标轴顺序的索引列表。如果指定为 None，则使用默认顺序。axis_order 和 targets 不能同时使用。

  警告

  在 v3.0.0 中已弃用。此特性将在未来移除。目前计划在 v5.0.0 中移除此特性，但此计划可能会更改。参见 https://github.com/optuna/optuna/releases/tag/v3.0.0。

• constraints_func (Callable[[FrozenTrial], Sequence[float]] | None) –

  一个可选函数，用于计算目标约束。它必须接受一个 FrozenTrial 并返回约束。返回值必须是一个 float 序列。值严格大于 0 意味着违反了约束。值小于等于 0 被认为是可行的。此规范与例如 NSGAIISampler 中的相同。

  如果给定，trials 被分为三类：可行且最优、可行但不最优、以及不可行。类别以不同颜色显示。此处，是否为最优 trial（在 Pareto 前沿上）的判断将忽略所有不可行的 trial。

  警告

  在 v4.0.0 中已弃用。此特性将在未来移除。目前计划在 v6.0.0 中移除此特性，但此计划可能会更改。参见 https://github.com/optuna/optuna/releases/tag/v4.0.0。

• targets (Callable[[FrozenTrial], Sequence[float]] | None) –

  一个函数，返回要显示的目标值。此函数的参数为 FrozenTrial。axis_order 和 targets 不能同时使用。如果 study.n_objectives 既不是 2 也不是 3，则必须指定 targets。

  注意

  在 v3.0.0 中添加为实验性特性。在未来版本中，接口可能会在没有事先通知的情况下更改。参见 https://github.com/optuna/optuna/releases/tag/v3.0.0。

返回：

一个 plotly.graph_objects.Figure 对象。

返回类型：

Figure

以下代码片段展示了如何绘制研究的 Pareto 前沿。

import optuna
from plotly.io import show


def objective(trial):
    x = trial.suggest_float("x", 0, 5)
    y = trial.suggest_float("y", 0, 3)

    v0 = 4 * x**2 + 4 * y**2
    v1 = (x - 5) ** 2 + (y - 5) ** 2
    return v0, v1


study = optuna.create_study(directions=["minimize", "minimize"])
study.optimize(objective, n_trials=50)

fig = optuna.visualization.plot_pareto_front(study)
show(fig)

以下代码片段展示了如何绘制一个 3 维研究的 2 维 Pareto 前沿。此示例具有可扩展性，例如可用于绘制 4 维研究的 2 维或 3 维 Pareto 前沿等。

import optuna
from plotly.io import show


def objective(trial):
    x = trial.suggest_float("x", 0, 5)
    y = trial.suggest_float("y", 0, 3)
    v0 = 5 * x**2 + 3 * y**2
    v1 = (x - 10) ** 2 + (y - 10) ** 2
    v2 = x + y

    return v0, v1, v2


study = optuna.create_study(directions=["minimize", "minimize", "minimize"])

study.optimize(objective, n_trials=100)

fig = optuna.visualization.plot_pareto_front(
    study,
    targets=lambda t: (t.values[0], t.values[1]),
    target_names=["Objective 0", "Objective 1"],
)

show(fig)