情节

绘制贝叶斯优化结果

折叠所有页面

语法

情节(结果,“所有”)

情节(结果、plotFcn1 plotFcn2…)

图(结果, '所有')调用所有预定义的绘图函数结果．

图(结果，plotFcn1，plotFcn2、……)调用所列的plot函数结果．

打开脚本

这个例子展示了如何绘制误差模型和优化完成后的最佳目标轨迹。对于范数大于2的点，这个例子的目标函数抛出一个错误。

函数F = x -x - x2 -根号(4-x - x1^2-x - x2^2);

有趣= @makeanerror;

创建优化变量。

var1 = optimizableVariable (x1的, 5, 5]);var2 = optimizableVariable (“x2”, 5, 5]);var = [var1, var2];

在没有任何图的情况下运行优化。为了重现性，设置随机种子并使用“预期改进+”获取功能。优化60次迭代，使错误模型得到良好的训练。

rng默认的结果= bayesopt (var,有趣“MaxObjectiveEvaluations”现年60岁的．..“AcquisitionFunctionName”，“expected-improvement-plus”，．..“PlotFcn”[],“详细”, 0);

绘制误差模型和最佳目标轨迹。

情节(结果、@plotConstraintModels @plotMinObjective)

贝叶斯优化结果，指定为BayesianOptimization对象。

绘图函数，指定为函数句柄。

有几个内置的情节功能:

模型图-当D≤2时应用	描述
`@plotAcquisitionFunction`	绘制采集函数曲面。
`@plotConstraintModels`	绘制每个约束模型曲面。负值表示可行点。也画一个P(可行的)表面。还绘制误差模型，如果它存在，它的范围是`1`来`1`．负值表示模型可能不会出错，正值表示模型可能会出错。该模型是: 绘制误差= 2*概率(误差)- 1。
`@plotObjectiveEvaluationTimeModel`	绘制目标函数评价时间模型曲面。
`@plotObjectiveModel`	画出`有趣的`模型表面，估计的最小位置，并对下一个提出的点的位置进行评价。对于一维问题，绘图包络一个可信区间上和下的均值函数，并包络一个噪声标准差上和下的均值。

轨迹图-适用于所有D	描述
`@plotObjective`	绘制每个观察到的函数值与函数求值次数的关系图。
`@plotObjectiveEvaluationTime`	绘制每个观察到的函数求值运行时与函数求值次数的关系图。
`@plotMinObjective`	将观察到的和估计的最小函数值与函数计算的次数绘制出来。
`@plotElapsedTime`	绘制三条曲线:优化的总运行时间、总函数评估时间、总建模和点选择时间，所有这些都与函数评估的数量相比较。