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，创建变量描述对象使用优化不变。每个变量都有一个唯一的名称和一系列值。可变创建的最小语法是
变量=可优化的Variable（名称，范围）
此函数创建一个从下限范围的真实变量范围（1）到上限范围（2）。
您可以指定三种类型的变量类型名称值参数：
'真实的'- 有限范围之间的持续实际值。给范围作为双元素矢量[小写大写]，表示上下边界。'整数'- 有限界限之间的整数值，类似于'真实的'。'分类'- 可能的值的单元名称数组，例如{'红色'，'green'，'blue'}，你在这里指定范围争论。
为了'真实的'或'整数'变量，您可以指定该变量Bayesopt.在一个对数比例的空间中搜索转变名称 - 值参数'日志'。对于这种转变，请确保下限范围是严格肯定的'真实的'和非负面的'整数'。
包括变量Bayesopt.作为第二个参数中的向量。
结果= Bayesopt（乐趣，[Xvar，Ivar，Rvar]）
从优化中排除变量，设置优化到错误的，无论是在名称值的参数中优化不变，或点符号：
xvar.optimize = false;
提示
有两个名称关联
优化不变：matlab.®工作区变量名称
优化中变量的名称
例如，
XVAR =优化不变（“spacevar”，[1,100]）;XVAR.是matlab工作区变量，“spacevar”是优化中的变量。使用这些名称如下：
用
XVAR.作为传递的变量向量中的一个元素Bayesopt.。例如，结果= Bayesopt（乐趣，[XVAR.，tvar]）
用
“spacevar”作为优化中变量的名称。例如，在目标函数中，函数目标= MySvmfun（x，cdata，grp）svmmodel = fitcsvm（cdata，grp，'kernelfunction'，'rbf'，...'boxconstraint'，x.spacevar，...'kernelscale'，x.tvar）;目标= kfoldloss（Crossval（SVMModel））;
优化例子的变量
从0到1的真实变量：
var1 =优化不变（'xvar'，[0 1]）
var1 = optimizablevvariable with properties: Name: 'xvar' Range: [0 1] Type: 'real' Transform: 'none
对日志刻度的0到1000的整数变量：
var2 = optimizableVariable ('ivar'，[0 1000]，'类型'那'整数'那'转变'那'日志'的）
VAR2 =具有属性的优化变性：名称：'IVAR'范围：[0 1000]类型：'整数'变换：'log'优化：1
彩虹色的分类变量：
var3 =优化不变（'rvar'，{'r'“o”'是''G''B''一世''v'}，'类型'那'分类'的）
VAR3 =与属性的优化变性：名称：'r''范围：{'r''''''g''b'''我''v'}类型：'分类'变换：'无'优化：1
相关的话题
您还可以从以下列表中选择一个网站：
