В этом примере показано, как получить лучшую точку оптимизированного классификатора.
Оптимизируйте классификатор KNN для ionosphere
данные, значение находит параметры, которые минимизируют потерю перекрестной проверки. Минимизируйте свыше размеров самого близкого окружения от 1 до 30, и по функциям расстояния 'chebychev'
, 'euclidean'
, и 'minkowski'
.
Для воспроизводимости установите случайный seed и установите AcquisitionFunctionName
опция к 'expected-improvement-plus'
.
Получите лучшую точку согласно 'min-visited-upper-confidence-interval'
по умолчанию
критерий.
x=1×2 table
n dst
_ _________
1 chebychev
Самая низкая предполагаемая потеря перекрестной проверки происходит для одного самого близкого соседа и 'chebychev'
расстояние.
Тщательное изучение графика модели целевой функции показывает точку с двумя самыми близкими соседями и 'chebychev'
расстояние, которое имеет более низкое значение целевой функции. Найдите эту точку с помощью различного критерия.
x=1×2 table
n dst
_ _________
2 chebychev
Также найдите минимальное наблюдаемое значение целевой функции и номер итерации, в котором оно наблюдалось.
x=1×2 table
n dst
_ _________
2 chebychev