１０人分の順位データを入力し、そのデータから次の探索点を出力したい

実現したいこと,構想

塩ラーメンの調味料配合比の実験を行おうとしている。、まずランダムに表示された10個の探索点のパラメータのラーメンを作り、１０人に食べてもらう。そして１０人それぞれに１０食分順位づけしてもらい、その１０人分の順位データを入力すると次の探索点の候補を出力する、というのを1試行とし、これを10試行行う。最初の1試行はランダムで、残りの9試行はqNEIという獲得関数を用いて探索点を出す。
１試行ごとに順位付けを行い、その順位データを入力すると次の探索点10点が出力されるようにしたい。

発生している問題・エラーメッセージ

１０人分の順位データを1試行ずつ入力し、そのデータから次の探索点１０点を出力したいが、１０人分の順位データを1試行ずつ入力して行く方法がわからない。

該当のソースコード

python
1ソースコード
2import os
3
4import numpy as np
5import matplotlib.pyplot as plt
6from scipy.stats import zscore
7
8from botorch.models.pairwise_gp import PairwiseGP, PairwiseLaplaceMarginalLogLikelihood
9from botorch.fit import fit_gpytorch_model
10from botorch.acquisition import qNoisyExpectedImprovement
11from botorch.optim import optimize_acqf
12import torch
13import itertools
14from create_function import utility_3D, generate_train_x, generate_comparisons
15from normalization_max_min import norm_max_min
16
17
18def observation_max_points(model, results):
19    observation_point = model.posterior(results).mean.tolist()
20    next_x_index = observation_point.index(max(observation_point))
21    next_x = results[next_x_index]
22
23    return next_x
24
25def main(m, loop, noise, bounds, test_f_name, acq_session=10):
26    IMAGE_DIR = "./accuracy/qNEI1_qNEI2/image_3D/" + test_f_name +"/qNEI" 
27    if not os.path.exists(IMAGE_DIR):
28        # ディレクトリが存在しない場合、ディレクトリを作成する
29        os.makedirs(IMAGE_DIR)
30    split = 101
31    p0 = torch.linspace(1, 2, split) #鶏ガラ
32    p1 = torch.linspace(1, 2, split) #ごま油
33    p2 = torch.linspace(1, 2, split) #塩
34    points_0, points_1, points_2 = torch.meshgrid(p0, p1, p2)
35    points_mesh = torch.stack((points_0, points_1, points_2), dim=-1)
36    val_y = utility_3D(points_mesh, split=split, f_name=test_f_name).numpy()
37
38    index_ = np.unravel_index(np.argmax(val_y), val_y.shape) # val_yの最大値のインデックス
39    val_y[index_]  #テスト関数の値の最大値
40    points_mesh[index_] #テスト関数の値が最大となる座標
41    val_y_max = points_mesh[index_]
42    val_y_max[0] = (val_y_max[0] - 1)/(2 - 1)*(8 - 0.5)+ 0.5
43    val_y_max[1] = (val_y_max[1] - 1)/(2 - 1)*(8 - 1)+ 1
44    val_y_max[2] = (val_y_max[2] - 1)/(2 - 1)*(8 - 1)+ 1
45
46    for k in range(m + acq_session):
47        if k < m :
48
49            train_X = generate_train_x(n=10, dim=3)
50            train_y = utility_3D(train_X,f_name="Sine_Plane_Wave")
51            train_comp = []
52
53            for i in range(len(train_y)-1):
54                for j in range((i + 1), len(train_y)):
55                    if train_y[i] > train_y[j]: 
56                        preference = [i, j]
57                    else:
58                        preference = [j, i]
59                    train_comp.append(preference)
60            model = PairwiseGP(train_X, torch.Tensor(train_comp))
61            mll = PairwiseLaplaceMarginalLogLikelihood(model)
62            mll = fit_gpytorch_model(mll)
63            print(train_X)
64            train_X[:,0] = ((train_X[:,0] - 1)/(2 - 1))*(8 - 0.5)+ 0.5
65            train_X[:,1] = ((train_X[:,1] - 1)/(2 - 1))*(8 - 1)+ 1
66            train_X[:,2] = ((train_X[:,2] - 1)/(2 - 1))*(8 - 1)+ 1
67            print(train_X[:,0], train_X[:,1], train_X[:,2])
68    
69        else:
70            # 獲得関数を用いた試行
71            qNEI = qNoisyExpectedImprovement(
72                model=model,
73                X_baseline=train_X.float()
74            )
75
76            next_X, acq_val = optimize_acqf(
77                acq_function=qNEI,
78                bounds=bounds,
79                q=10,
80                num_restarts=5,
81                raw_samples=256
82            )
83            train_X = torch.cat((train_X, next_X), dim=0)
84            train_y_ = utility_3D(next_X, f_name="Sine_Plane_Wave")
85            
86            for i in range(len(train_y_)-1):
87                for j in range((i + 1), len(train_y_)):
88                    if train_y_[i] > train_y_[j]: 
89                        preference = [i + (train_X.shape[0] -  next_X.shape[0]), j + (train_X.shape[0] - next_X.shape[0])]
90                    else:
91                        preference = [j + (train_X.shape[0] -  next_X.shape[0]), i + (train_X.shape[0] -  next_X.shape[0])]
92                    train_comp.append(preference)
93            print(train_comp)
94            model = PairwiseGP(train_X, torch.Tensor(train_comp))
95            mll = PairwiseLaplaceMarginalLogLikelihood(model)
96            mll = fit_gpytorch_model(mll)
97
98            pred_y = norm_max_min(model.posterior(points_mesh).mean.squeeze().detach().numpy(),
99                                    max_=val_y.max(), min_=val_y.min())
100
101            index = np.unravel_index(np.argmax(pred_y), pred_y.shape) # pred_yの最大値のインデックス
102            pred_y[index]  #予測平均最大値
103            points_mesh[index]  # 予測平均最大となる座標
104        
105            pred_y_max = points_mesh[index]
106            pred_y_max[:,0] = (pred_y_max[:,0] - 1)/(2 - 1)*(8 - 0.5) + 0.5
107            pred_y_max[:,1] = (pred_y_max[:,1] - 1)/(2 - 1)*(8 - 1) + 1
108            pred_y_max[:,2] = (pred_y_max[:,2] - 1)/(2 - 1)*(8 - 1) + 1
109            print(pred_y_max[:,0], pred_y_max[:,1], pred_y_max[:,2])
110            
111

補足情報（FW/ツールのバージョンなど）

順位データの入力は手入力かExcelで入力したデータを読み込んでやろうとおもっています。
有識者の方々、どのようにすればやりたい個おができるのかアドバイスお願い致します。
ここにより詳細な情報を記載してください。

行動規範の内容に同意します

回答1件

エクセルで行うならこれが楽かな。

python
1>>> import pandas as pd
2>>> df = pd.read_excel('ramen.xlsx')
3>>> print(df)
4  Unnamed: 0  ラーメン0  ラーメン1  ラーメン2  ラーメン3  ラーメン4  ラーメン5  ラーメン6  ラーメン7  ラーメン8  ラーメ ン9
50       試食者0      1      2      3      4      5      6      7      8      9     10
61       試食者1      2      3      4      5      6      7      8      9     10      1
72       試食者2      3      4      5      6      7      8      9     10      1      2
83       試食者3      4      5      6      7      8      9     10      1      2      3
94       試食者4      5      6      7      8      9     10      1      2      3      4
105       試食者5      6      7      8      9     10      1      2      3      4      5
116       試食者6      7      8      9     10      1      2      3      4      5      6
127       試食者7      8      9     10      1      2      3      4      5      6      7
138       試食者8      9     10      1      2      3      4      5      6      7      8
149       試食者9     10      1      2      3      4      5      6      7      8      9