主要内容

bestPoint

贝叶斯优化中的最佳点

折叠所有页面

语法

x = bestPoint(结果)
x = bestPoint(结果，名称，值)
[x,CriterionValue] = bestPoint(___）
[x,CriterionValue,iteration] = bestPoint(___）

描述

例子

x= bestPoint (结果）返回贝叶斯模型中的最佳可行点结果根据默认的标准“min-visited-upper-confidence-interval”．

例子

x= bestPoint (结果，名称,值）使用名称-值对修改最佳点。

例子

［x，CriterionValue= bestPoint(___），对于任何前面的语法，也返回at条件的值x．

例子

［x，CriterionValue，迭代= bestPoint(___）还返回返回最佳点所在的迭代数。适用于标准名值对为“min-observed”，“min-visited-mean”，或默认“min-visited-upper-confidence-interval”．

例子

全部折叠

打开实时脚本

这个例子展示了如何获得优化分类器的最佳点。

优化的KNN分类器电离层数据，即找到使交叉验证损失最小化的参数。最小化最近邻的大小从1到30，并在距离函数“chebychev”，“欧几里得”,闵可夫斯基的．

为了重现性，设置随机种子，并设置AcquisitionFunctionName选项“expected-improvement-plus”．

负载电离层rng(11) num = optimizableVariable(“n”(1、30),“类型”，“整数”）;dst = optimizableVariable(dst的, {“chebychev”，“欧几里得”，闵可夫斯基的}，“类型”，“分类”）;C = cvpartition(351，“Kfold”5);fun = @(x)kfoldLoss(fitcknn(x,Y，“CVPartition”c“NumNeighbors”x.n,.．.“距离”char (x.dst),“NSMethod”，“详尽”));结果= bayesopt(fun，[num,dst]，“详细”0,.．.“AcquisitionFunctionName”，“expected-improvement-plus”）;

图中包含一个轴对象。标题为目标函数模型的轴对象包含线、面、等高线类型的5个对象。这些对象代表观测点，模型均值，下一个点，模型最小可行。

图中包含一个轴对象。标题为Min objective vs. Number of function的axis对象包含2个类型为line的对象。这些对象代表最小观测目标，估计最小目标。

根据默认值获得最佳点“min-visited-upper-confidence-interval”标准。

x = bestPoint(结果)
x =1×2表N DST _ _________ 1 chebychev

最小的估计交叉验证损失发生在一个最近的邻居和“chebychev”距离。

仔细检查目标函数模型图，发现一个点有两个最近的邻居和“chebychev”目标函数值较低的距离。用一个不同的标准找到这一点。

x = bestPoint(结果，“标准”，“min-observed”）
x =1×2表N DST _ _________ 2 chebychev

还要找到观测到的最小目标函数值，以及它被观测到的迭代次数。

[x,CriterionValue,iteration] = bestPoint(results，“标准”，“min-observed”）
x =1×2表N DST _ _________ 2 chebychev
CriterionValue = 0.1054
迭代= 21

输入参数

全部折叠

贝叶斯优化结果，指定为aBayesianOptimization对象。

名称-值参数

指定可选参数对为Name1 = Value1,…,以=家,在那里的名字参数名称和价值对应的值。名称-值参数必须出现在其他参数之后，但对的顺序无关紧要。

在R2021a之前，使用逗号分隔每个名称和值，并将其括起来的名字在报价。

例子:x = bestPoint(results，'Criterion'，'min-observed')

最佳点准则，指定为由逗号分隔的对组成“标准”和一个标准名。名称不区分大小写，不需要-字符，并且只需要足够的字符使名称唯一可区分。

标准名称 意义
“min-observed” x为观测目标最小的可行点。
“min-mean” x为目标模型均值最小的可行点。
“min-upper-confidence-interval” x是最小化目标模型上置信区间的可行点。看到α．
“min-visited-mean” x是访问点中目标模型均值最小的可行点。
“min-visited-upper-confidence-interval” x是在访问点中最小化目标模型上置信区间的可行点。看到α．

例子:“标准”、“min-visited-mean”

建模的目标平均值超过的概率CriterionValue，指定为逗号分隔的对，由“α”和之间的标量0而且1．α涉及“min-upper-confidence-interval”而且“min-visited-upper-confidence-interval”标准值。上置信区间的定义是值Y在哪里

P(平均问（有趣的（x)) >Y) =α，

在哪里有趣的是目标函数，均值是根据后验分布计算的吗问．

例子:“阿尔法”,0.05

数据类型:双

输出参数

全部折叠

最好的一点，返回作为一个1——- - - - - -D表，其中D是变量的个数。“最好”的意思是关于标准．

criteria的值，作为实标量返回。属性的设置标准名称-值对，缺省值为“min-visited-upper-confidence-interval”．

标准名称 意义
“min-observed” 最小观测目标。
“min-mean” 模型均值的最小值。
“min-upper-confidence-interval” 价值Y满足方程P(平均问（有趣的（x)) >Y) =α．
“min-visited-mean” 观测模型均值的最小值。
“min-visited-upper-confidence-interval” 价值Y满足方程P(平均问（有趣的（x)) >Y) =α在观察点中。

观察到的最佳点的迭代数，作为正整数返回。最佳点由CriterionValue．

版本历史

在R2016b中引入

另请参阅

|