跟着开源项目学因果推断——whynot（十四）

WhyNot是一个Python包，它提供了一个用于动态决策的实验沙箱，将因果推理和强化学习工具与具有挑战性的动态环境连接起来。
该软件包有助于开发、测试、基准测试和教学因果推理和顺序决策工具。

github: https://github.com/zykls/whynot
文档：https://whynot.readthedocs.io/en/latest/

下载：

pip install whynot

举一个例子 hiv_simulator.ipynb

%load_ext autoreload
%autoreload 2

import whynot.gym as gym
import numpy as np
import matplotlib.pyplot as plt
import torch

from scripts import utils
%matplotlib inline

# HIV环境
# Make the HIV environment and set random seed.
env = gym.make('HIV-v0')
np.random.seed(1)
env.seed(1)
torch.manual_seed(1)

# 策略
class NoTreatmentPolicy(utils.Policy):
    """The policy of always no treatment."""
    def __init__(self):
        super(NoTreatmentPolicy, self).__init__(env)
    
    def sample_action(self, obs):
        return 0
    
class MaxTreatmentPolicy(utils.Policy):
    """The policy of always applying both RT inhibitor and protease inhibitor."""
    def __init__(self):
        super(MaxTreatmentPolicy, self).__init__(env)
    
    def sample_action(self, obs):
        return 3
    
class RandomPolicy(utils.Policy):
    """The policy of picking a random action at each time step."""
    def __init__(self):
        super(RandomPolicy, self).__init__(env)
    
    def sample_action(self, obs):
        return np.random.randint(4)

# 模拟
learned_policy = utils.run_training_loop(
    env=env, n_iter=300, max_episode_length=100, batch_size=1000, learning_rate=1e-3)

几种策略，我们定义了一个基本的Policy类。每个策略都有一个sample_action函数，它接受一个观察并返回一个操作，一共四类：

• NNPolicy
  一种1层前馈神经网络，以状态维为输入维，一个包含8个神经元的隐藏层(状态维度为6)，以动作作为输出维度。我们使用批处理归一化和ReLU激活。
• 没有任何刺激策略
  任何调整都不要，属于最基本的
• 刺激最大策略
  任何调整都需要，属于过分敏感
• 随机的政策
  采取随机行动而不考虑观察结果。
  

# 其他三个策略
policies = {
    "learned_policy": learned_policy,
    "no_treatment": NoTreatmentPolicy(),
    "max_treatment": MaxTreatmentPolicy(),
    "random": RandomPolicy(),
}
utils.plot_sample_trajectory(env, policies, 100, wn.hiv.State.variable_names())