bestPoint

Лучше всего укажите в Байесовой оптимизации согласно критерию

Описание

пример

x = bestPoint(results) возвращает лучшую допустимую точку в модели Bayesian results согласно критерию по умолчанию 'min-visited-upper-confidence-interval'.

пример

x = bestPoint(results,Name,Value) изменяет лучшую точку с помощью пар "имя-значение".

пример

[x,CriterionValue] = bestPoint(___), для любого предыдущего синтаксиса, также возвращает значение критерия в x.

пример

[x,CriterionValue,iteration] = bestPoint(___) также возвращает номер итерации, в котором была возвращена лучшая точка. Применяется когда Criterion парой "имя-значение" является 'min-observed', 'min-visited-mean', или 'min-visited-upper-confidence-interval' по умолчанию.

Примеры

свернуть все

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'.

load ionosphere
rng(11)
num = optimizableVariable('n',[1,30],'Type','integer');
dst = optimizableVariable('dst',{'chebychev','euclidean','minkowski'},'Type','categorical');
c = cvpartition(351,'Kfold',5);
fun = @(x)kfoldLoss(fitcknn(X,Y,'CVPartition',c,'NumNeighbors',x.n,...
    'Distance',char(x.dst),'NSMethod','exhaustive'));
results = bayesopt(fun,[num,dst],'Verbose',0,...
    'AcquisitionFunctionName','expected-improvement-plus');

Получите лучшую точку согласно 'min-visited-upper-confidence-interval' по умолчанию критерий.

x = bestPoint(results)
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 = bestPoint(results,'Criterion','min-observed')
x=1×2 table
    n       dst   
    _    _________

    2    chebychev

Также найдите минимальное наблюдаемое значение целевой функции и номер итерации, в котором оно наблюдалось.

[x,CriterionValue,iteration] = bestPoint(results,'Criterion','min-observed')
x=1×2 table
    n       dst   
    _    _________

    2    chebychev

CriterionValue = 0.1054
iteration = 21

Входные параметры

свернуть все

Байесовы результаты оптимизации в виде BayesianOptimization объект.

Аргументы в виде пар имя-значение

Задайте дополнительные разделенные запятой пары Name,Value аргументы. Name имя аргумента и Value соответствующее значение. Name должен появиться в кавычках. Вы можете задать несколько аргументов в виде пар имен и значений в любом порядке, например: Name1, Value1, ..., NameN, ValueN.

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

Лучше всего укажите критерий в виде разделенной запятой пары, состоящей из 'Criterion' и имя критерия. Имена являются нечувствительными к регистру, не требуйте - символы, и требуют, чтобы только достаточно символов сделало имя, исключительно различимое.

Имя критерияЗначение
'min-observed'x допустимая точка с минимальной наблюдаемой целью.
'min-mean'x допустимая точка, где объективное среднее значение модели минимизировано.
'min-upper-confidence-interval'x допустимая точка, минимизирующая верхний доверительный интервал объективной модели. Смотрите alpha.
'min-visited-mean'x допустимая точка, где объективное среднее значение модели минимизировано среди посещаемых точек.
'min-visited-upper-confidence-interval'x допустимая точка, минимизирующая верхний доверительный интервал объективной модели среди посещаемых точек. Смотрите alpha.

Пример: 'Criterion','min-visited-mean'

Вероятность, что смоделированное объективное среднее значение превышает CriterionValueВ виде разделенной запятой пары, состоящей из 'alpha' и скаляр между 0 и 1\alpha относится к 'min-upper-confidence-interval' и 'min-visited-upper-confidence-interval' Criterion значения. Определением для верхнего доверительного интервала является значение Y где

P (meanQ (funX))> Y) = alpha,

где fun целевая функция, и среднее значение вычисляется относительно апостериорного распределения Q.

Пример: 'alpha',0.05

Типы данных: double

Выходные аргументы

свернуть все

Лучше всего укажите, возвращенный как 1- D таблица, где D является количеством переменных. Значение “лучших” относительно Criterion.

Значение критерия, возвращенного как действительный скаляр. Значение зависит от установки Criterion пара "имя-значение", которая имеет значение по умолчанию 'min-visited-upper-confidence-interval'.

Имя критерияЗначение
'min-observed'Минимальная наблюдаемая цель.
'min-mean'Минимум среднего значения модели.
'min-upper-confidence-interval'Значение Y удовлетворение уравнению P (meanQ (funX)) > Y) = alpha.
'min-visited-mean'Минимум наблюдаемого среднего значения модели.
'min-visited-upper-confidence-interval'Значение Y удовлетворение уравнению P (meanQ (funX)) > Y) = alpha среди наблюдаемых точек.

Номер итерации, в котором наблюдалась лучшая точка, возвратился как положительное целое число. Лучшая точка задана CriterionValue.

Смотрите также

|

Введенный в R2017b
Для просмотра документации необходимо авторизоваться на сайте