主要内容

的简历

恢复贝叶斯优化

折叠所有页面

语法

newresults =简历(结果、名称、值)

描述

例子

newresults=简历(结果，名称,值）恢复产生的优化结果附加选项由一个或多个指定名称,值对参数。

例子

全部折叠

打开脚本

这个例子展示了如何恢复贝叶斯优化。优化是针对一个被称为Rosenbrock函数的确定性函数，它是非线性优化的一个著名的测试案例。函数的全局最小值为0在点[1]．

创建两个实变量－5和5．

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

创建目标函数。

函数F = rosenbroks (x)(1 - x)^2 + (1 - x)^2;
有趣= @rosenbrocks;

为了再现性，设置随机种子，设置采集功能为“expected-improvement-plus”在优化。

rng默认的结果= bayesopt (var,有趣“详细”0,．．．“AcquisitionFunctionName”，“expected-improvement-plus”）;

查看找到的最佳点和建模的最佳目标。

结果。XAtMinObjective结果。MinEstimatedObjective
Ans = 1x2 table x1 x2 ______ ______ 1.2421 1.5299

最佳点在某种程度上接近于最佳点，但函数模型是不准确的。继续优化30多个点(总共60个点)，这一次告诉优化器目标函数是确定的。

newresults =简历(结果,“IsObjectiveDeterministic”,真的,“MaxObjectiveEvaluations”, 30);newresults。XAtMinObjective newresults。MinEstimatedObjective
Ans = 1x2 table x1 x2 ______ ______ 1.0533 1.1085

这次的目标函数模型更接近真实函数。最佳点更接近于真正的最佳点。

输入参数

全部折叠

贝叶斯优化结果，指定为BayesianOptimization对象。

名称-值对的观点

指定可选的逗号分隔的对名称,值参数。的名字参数名和价值为对应值。的名字必须出现在引号内。可以以任意顺序指定多个名称和值对参数Name1, Value1,…,的家．

例子:简历(结果,“MaxObjectiveEvaluations”,60)

您可以使用任何名称-值对bayesopt除了那些以最初的．看到bayesopt输入参数．

请注意

的MaxObjectiveEvaluations和MaxTime名称-值对的意思额外的时间或计算，上面的数字存储结果．例如，默认值是30.除原始规格外。

此外，还可以使用以下名称-值对。

修改变量，指定为OptimizableVariable对象。

在优化中，只能更改变量的以下属性。

  • 范围实变量或整变量。例如,

    xvar = optimizableVariable (“x”, -10, 10);%修改范围:xvar。范围= [1,5];

  • 类型之间的“整数”和“真实”的．例如,

    xvar。类型=“整数”；

  • 变换之间的实变量或整变量“日志”和“没有”．例如,

    xvar。变换=“日志”；

输出参数

全部折叠

优化结果，返回为BayesianOptimization对象。

另请参阅

|

介绍了R2016b

统计和机器学习工具箱文档

金宝app

掌握机器学习:一步一步的指导与MATLAB

掌握机器学习:一步一步的指导与MATLAB

下载电子书