pareto-optimization

Multi-objective optimization with Pareto frontiers. Use when optimizing multiple conflicting objectives simultaneously, finding trade-off solutions, or computing Pareto-optimal points.

1. Przygotuj dane w postaci tabeli (DataFrame) zawierającej kolumny reprezentujące Twoje cele optymalizacji — na przykład dokładność modelu, opóźnienie, rozmiar modelu lub inne metryki.

2. Zainstaluj bibliotekę paretoset, która oblicza frontierę Pareto: pip install paretoset.

3. Zaimportuj bibliotekę i przygotuj dane: from paretoset import paretoset oraz import pandas as pd. Wczytaj swoje dane do DataFrame'a.

4. Zdefiniuj, które cele chcesz maksymalizować (sense="max") a które minimalizować (sense="min"). Na przykład: dokładność powinna być maksymalna, a opóźnienie minimalne.

5. Oblicz maskę Pareto, wywołując paretoset(objectives, sense=[...]), gdzie objectives to kolumny z Twoimi celami. Funkcja zwróci tablicę wartości logicznych wskazujących, które punkty są niezdominowane.

6. Wyfiltruj oryginalne dane używając maski: pareto_points = df[pareto_mask]. Otrzymasz zbiór rozwiązań optymalnych — każde z nich reprezentuje inny kompromis między celami. Możesz teraz wybrać rozwiązanie, które najlepiej pasuje do Twoich potrzeb biznesowych.