dimensio 0.1.0

Dimensio: A flexible configuration space compression library for Bayesian Optimization

Dimensio

一个灵活的配置空间压缩库，用于贝叶斯优化（Bayesian Optimization）。

功能特性

• 多种压缩策略: 支持维度选择、范围压缩和投影变换
• 自适应压缩: 根据优化过程动态调整压缩策略
• 可扩展架构: 易于添加自定义压缩步骤

安装

从 PyPI 安装（发布后）

pip install dimensio

从源码安装

git clone https://github.com/Elubrazione/dimensio.git
cd dimensio
pip install -e .

开发模式安装

pip install -e ".[dev]"

快速开始

基础使用

from dimensio import Compressor, SHAPDimensionStep, BoundaryRangeStep
from ConfigSpace import ConfigurationSpace, UniformFloatHyperparameter

# 创建配置空间
config_space = ConfigurationSpace()
config_space.add_hyperparameter(UniformFloatHyperparameter('x1', -5, 5))
config_space.add_hyperparameter(UniformFloatHyperparameter('x2', -5, 5))
config_space.add_hyperparameter(UniformFloatHyperparameter('x3', -5, 5))

# 创建压缩器
steps = [
    SHAPDimensionStep(strategy='shap', topk=2),
    BoundaryRangeStep(method='boundary', top_ratio=0.8)
]

compressor = Compressor(config_space=config_space, steps=steps)

# 压缩配置空间
surrogate_space, sample_space = compressor.compress_space(space_history=None)

print(f"原始维度: {len(config_space.get_hyperparameters())}")
print(f"压缩后维度: {len(surrogate_space.get_hyperparameters())}")

使用便捷函数

from dimensio import get_compressor

# 使用 SHAP 策略
compressor = get_compressor(
    compressor_type='shap',
    config_space=config_space,
    topk=5,
    top_ratio=0.8
)

配置日志

import logging
from dimensio import setup_logging

# 设置日志级别
setup_logging(level=logging.DEBUG)

# 或者设置日志文件
setup_logging(level=logging.INFO, log_file='dimensio.log')

# 关闭日志
from dimensio import disable_logging
disable_logging()

压缩策略

1. 维度选择（Dimension Selection）

• SHAPDimensionStep: 基于 SHAP 值选择重要维度
• ExpertDimensionStep: 基于专家知识选择维度
• CorrelationDimensionStep: 基于相关性选择维度
• AdaptiveDimensionStep: 自适应维度选择

2. 范围压缩（Range Compression）

• BoundaryRangeStep: 基于历史数据边界压缩参数范围
• ExpertRangeStep: 基于专家知识压缩范围
• SHAPBoundaryRangeStep: 结合 SHAP 的范围压缩
• KDEBoundaryRangeStep: 基于核密度估计的范围压缩

3. 投影变换（Projection）

• REMBOProjectionStep: 随机嵌入投影
• HesBOProjectionStep: Hessian-based 投影
• KPCAProjectionStep: 核主成分分析投影
• QuantizationProjectionStep: 量化投影

项目结构

dimensio/
├── __init__.py              # 包初始化
├── core/                    # 核心模块
│   ├── compressor.py        # 压缩器主类
│   ├── pipeline.py          # 压缩管道
│   ├── step.py              # 压缩步骤基类
│   ├── progress.py          # 优化进度跟踪
│   └── update.py            # 更新策略
├── steps/                   # 压缩步骤实现
│   ├── dimension/           # 维度选择
│   ├── projection/          # 投影变换
│   └── range/               # 范围压缩
├── sampling/                # 采样策略
├── filling/                 # 填充策略
└── utils/                   # 工具函数
    ├── __init__.py
    └── logger.py            # 日志配置

API 文档

Compressor

主压缩器类，管理压缩管道和配置空间转换。

Compressor(
    config_space: ConfigurationSpace,
    steps: List[CompressionStep] = None,
    filling_strategy: FillingStrategy = None,
    save_compression_info: bool = False,
    output_dir: str = './results/compression'
)

依赖项

• numpy >= 1.19.0
• pandas >= 1.2.0
• scikit-learn >= 0.24.0
• ConfigSpace >= 0.6.0
• shap >= 0.41.0
• openbox >= 0.8.0

开发

运行测试

pytest tests/ -v --cov=dimensio

代码格式化

black dimensio/ tests/

类型检查

mypy dimensio/

许可证

MIT License - 详见 LICENSE 文件

贡献

欢迎提交 Issue 和 Pull Request！

作者

Lingching Tung - [e-mail]

更新日志

0.1.0 (2025-11-13)

• 🎉 Dimensio 初始版本发布
• 实现基本的配置空间压缩功能
• 支持多种压缩策略
• 添加标准日志系统
• 完整的文档和示例

引用

如果您在研究中使用了本项目，请引用：

@software{dimensio2025,
  author = {Lingching Tung},
  title = {Dimensio: Configuration Space Compression for Bayesian Optimization},
  year = {2025},
  url = {https://github.com/Elubrazione/dimensio}
}