コード品質と用途適性

このコードは誰向けか

  • ガウス過程回帰および能動学習(獲得関数)の挙動を視覚的に理解したい学習者・教育者向け(読む人)

  • 新たな獲得関数(EI, UCBなど)を実装・比較したいアルゴリズム試作者向け(修正する人)

  • 研究室等の限られた環境で、特定の探索モードの動作をクイックに確認したい研究者向け(読む人・修正する人)

  • 長期保守・再利用を考える開発者向けではない(再利用する人)

  • 公開ライブラリ利用者向けではない(再利用する人)

該当する用途カテゴリ

  • 教育用サンプル

  • 試作コード

  • 研究用解析コード(簡易可視化用)


コードの長所

  • 数値安定性への配慮:

    • gp_posterior において、共分散行列の対角成分(分散)の負値化を防ぐため np.clip(np.diag(cov), 0, np.inf) が用いられています。

    • EI(Expected Improvement)の計算でゼロ除算を回避するために std + 1e-9 を加算し、さらに std < 1e-12 の場合は ei を 0.0 にマスクする極限条件への対処が実装されています。

    • ガウス過程の事後分布計算において、逆行列を直接計算せず np.linalg.cholesky と np.linalg.solve を組み合わせており、数値的安定性が考慮されています。

  • ベクトル化: rbf_kernel 内で np.atleast_2d とブロードキャストを活用し、ループ処理なしで距離行列を計算しています。

  • docstring: 各関数に入出力の型と説明が記述されており、可読性を補助しています。


制限事項と問題点

  • global stateへの依存: トップレベルで sys.argv のパースと変数(mode, nmaxiter 等)への代入が行われており、他スクリプトからモジュールとしてインポートした際に予期せぬ副作用を引き起こす構成になっています。

  • silent failure / 異常系対策の不足: sys.argv を直接インデックスで参照しているため、引数が不足していたり型が異なったりする場合に、標準的なヘルプメッセージを出さずに実行時エラー(ValueError や IndexError)となる可能性があります。

  • GUIと計算の密結合 / 巨大関数: main 関数の中にデータ初期化、プロット設定、さらにその内部の update 関数に獲得関数の条件分岐ロジックとアニメーション更新処理が全て含まれています。

  • 状態管理: update 関数が nonlocal 宣言を用いて外部リスト(x_data, model_data など)を直接更新するクロージャとして実装されており、状態の追跡や単体テストが困難になっています。

  • hard-coded path / 環境依存: plt.rcParams['font.family'] = 'MS Gothic' と特定のフォントがハードコードされており、Windows以外の環境などで警告や文字化けが発生する可能性があります。

  • 型依存 / shape仮定: gp_posterior の引数 y_train が1次元配列であることを暗黙に仮定した計算(K_s.T @ alpha 等)となっています。


数値計算コードとしての評価

  • 極限条件・特異点: 前述の通り、std がゼロに近づく極限条件(同一点の観測時など)に対するマスク処理やオフセットがコード中に存在しています。

  • 数値的不安定性の懸念: avoid_duplicate において、データ点が近接する場合に while ループ内で np.random.uniform(-0.01, 0.01) を加算して回避を試みています。しかし、最大試行回数の制限がないため、データ点が増加した際や特定の条件下で無限ループから抜け出せなくなる可能性があります(検証が必要)。

  • 物理モデル依存性: カーネルのハイパーパラメータ(length_scale=0.2, sigma_f=1.0)や観測ノイズ(noise_sigma = 0.15)が関数シグネチャ内や main 内でハードコードされています。入力空間のスケールが [0, 1] 以外に変わった場合には、これらを手動で調整する必要があります。

  • 収束性: 獲得関数の評価値に基づく動的な停止条件(例: 不確実性が一定閾値を下回ったら終了)は実装されておらず、一律で nmaxiter 回の反復を行う仕様です。


ソフトウェア設計の評価

  • 関数分離とAPI設計: カーネル計算とGPの推論は関数として分離されているものの、能動学習のコアとなる「次の探索点を決定するロジック(獲得関数)」が update 内の if-elif ブロックにベタ書きされています。これにより、新しいアルゴリズムの追加や個別テストが容易ではありません。

  • CLI/API分離とテスト容易性: 数値計算ロジックと matplotlib.animation の描画ロジックが不可分になっています。そのため、アニメーションなしで高速にシミュレーションを回すバッチ処理や、バックエンドでの自動テストへの転用が困難です。

  • 将来的なライブラリ化: 現状のファイル構造とグローバル変数の使用状況から、外部ライブラリとしてインポートされることは想定されていない設計です。


優先順位が高い改善点

  1. 引数解析の堅牢化: スクリプトのトップレベルにある sys.argv の直接参照をやめ、標準モジュールの argparse(例: argparse.ArgumentParser)を用いて型の検証とヘルプ生成を伴うCLI設計に変更する。

  2. 獲得関数ロジックの分離: update 関数内の if-elif ブロックを解体し、探索モードごとの計算を独立した関数群(例えば calculate_ei(mu, std, y_best) など)として切り出す。

  3. GUIと計算の分離: 能動学習のイテレーションを回す純粋な数値計算ループと、描画(アニメーション生成)のロジックを分離する。

  4. 状態管理のオブジェクト化(またはジェネレータ化): nonlocal によるリストの書き換えを廃止し、観測データやGPの状態を保持するクラス(例えば ActiveLearningState クラス)を導入する。

  5. 無限ループの防止: avoid_duplicate 関数の while ループにカウンタを設け、最大試行回数を超えた場合は例外を送出する等の異常系対策を追加する。

  6. 環境依存の排除: ハードコードされているフォント指定を削除し汎用的な設定に頼るか、コマンドライン引数で設定可能なオプション項目とする。


用途に対する適性まとめ

教育用サンプルやアルゴリズムの挙動を確認する試作コードとしては、ガウス過程の推移を視覚化するという目的を十分に果たせる適性があります。特に極限条件や数値計算手法への一定の配慮が見られる点は長所です。

一方で、研究における大規模なバッチ処理や、他プロジェクトから呼び出す公開ライブラリとしての適性は低いです。計算と描画の密結合、クロージャと nonlocal に依存した状態管理、およびグローバルスコープでの処理実行を解消することで、研究用解析コードとしての再利用性・保守性が向上します。