主要内容
贝叶斯优化的变量
创建优化变量的语法
对于目标函数中的每个变量，使用optimizableVariable．每个变量都有一个惟一的名称和一个值范围。创建变量的最小语法是
变量= optimizableVariable(名称、范围)
这个函数创建一个从下界开始的实变量范围(1)到上界范围(2)．
属性中可以指定三种类型的变量类型名称-值参数:
“真实”的-有限界之间的连续实值。给范围作为二元向量(低上)，代表下限和上限。“整数”-有限边界之间的整数值，类似于“真实”的．“分类”—单元格数组中可能值的名称，例如{“红”、“绿”、“蓝”}，你在范围论点。
为“真实”的或者“整数”变量，你可以指定bayesopt通过设置来搜索日志缩放的空间变换名称-值参数“日志”．对于这个转换，确保范围是完全正确的“真实”的和非负“整数”．
包括变量bayesopt作为第二个论点的矢量。
结果= bayesopt(有趣,[xvar, ivar rvar])
要从优化中排除变量，请设置优化来假的名称-值参数optimizableVariable，或用点表示法:
xvar。优化= false;
提示
有两个名字与
optimizableVariable：MATLAB®工作空间变量名
优化中变量的名称
例如,
xvar = optimizableVariable ('spacevar'[1100]);xvar是MATLAB工作空间变量，和'spacevar'为优化中的变量。使用这些名称如下:
使用
xvar作为您传递的变量矢量的元素bayesopt．例如,结果= bayesopt(乐趣,xvar, tvar])
使用
'spacevar'作为优化中变量的名称。例如，在一个目标函数中，mysvmfun(x,cdata,grp) = mysvmfun(x,cdata,grp) = mysvmfun(x,cdata,grp)“BoxConstraint”,X.Spacevar.,……KernelScale, x.tvar);目标= kfoldLoss (crossval (SVMModel));
优化变量示例
从0到1的实变量:
var1 = optimizableVariable (“xvar”[0, 1])
var1 =与属性的优化变性：名称：'xvar'范围：[0 1]类型：'实际'变换：'无'优化：1
在对数尺度上从0到1000的整数变量:
var2 =优化不变（“ivar”1000年[0],“类型”，“整数”，“转换”，“日志”）
var2 = optimizablevvariable with properties: Name: 'ivar' Range: [0 1000] Type: 'integer' Transform: 'log
彩虹颜色的分类变量:
var3 = optimizableVariable (“rvar”, {“r”'o'“y”‘g’“b”“我”“v”}，“类型”，“分类”）
var3 = optimizablevvariable with properties: Name: 'rvar' Range: {'r' ' 'o' 'y' ' 'g' 'b' 'i' ' 'v'} Type: 'categorical' Transform: 'none'最优化:1
相关话题
你也可以从以下列表中选择一个网站:
