predictObjectiveEvaluationTime

Предскажите время выполнения целевой функции в наборе точек

Описание

пример

time = predictObjectiveEvaluationTime(results,XTable) возвращает оцененные объективные времена оценки в точках в XTable.

Примеры

свернуть все

В этом примере показано, как оценить время оценки целевой функции в оптимизированной модели Bayesian классификации SVM.

Создайте оптимизированную модель SVM. Для получения дополнительной информации этой модели, смотрите, Оптимизируют перекрестный Подтвержденный Классификатор SVM Используя bayesopt.

rng default
grnpop = mvnrnd([1,0],eye(2),10);
redpop = mvnrnd([0,1],eye(2),10);
redpts = zeros(100,2);
grnpts = redpts;
for i = 1:100
    grnpts(i,:) = mvnrnd(grnpop(randi(10),:),eye(2)*0.02);
    redpts(i,:) = mvnrnd(redpop(randi(10),:),eye(2)*0.02);
end
cdata = [grnpts;redpts];
grp = ones(200,1);
grp(101:200) = -1;
c = cvpartition(200,'KFold',10);
sigma = optimizableVariable('sigma',[1e-5,1e5],'Transform','log');
box = optimizableVariable('box',[1e-5,1e5],'Transform','log');
minfn = @(z)kfoldLoss(fitcsvm(cdata,grp,'CVPartition',c,...
    'KernelFunction','rbf','BoxConstraint',z.box,...
    'KernelScale',z.sigma));
results = bayesopt(minfn,[sigma,box],'IsObjectiveDeterministic',true,...
    'AcquisitionFunctionName','expected-improvement-plus','Verbose',0);

Предскажите время оценки для различных точек.

sigma = logspace(-5,5,11)';
box = 1e5*ones(size(sigma));
XTable = table(sigma,box);
time = predictObjectiveEvaluationTime(results,XTable);
[XTable,table(time)]
ans=11×3 table
    sigma      box      time  
    ______    _____    _______

     1e-05    1e+05    0.19622
    0.0001    1e+05    0.19345
     0.001    1e+05     0.1741
      0.01    1e+05    0.14076
       0.1    1e+05    0.13461
         1    1e+05    0.42671
        10    1e+05     1.6299
       100    1e+05    0.58799
      1000    1e+05     0.1402
     10000    1e+05    0.15671
     1e+05    1e+05    0.17544

Входные параметры

свернуть все

Байесовы результаты оптимизации в виде BayesianOptimization объект.

Предсказание указывает в виде таблицы со столбцами D, где D является количеством переменных в проблеме. Функция выполняет свои предсказания на этих точках.

Типы данных: table

Выходные аргументы

свернуть все

Предполагаемые объективные времена оценки, возвращенные как N- 1 вектор, где N количество строк XTable. Ориентировочные стоимости являются средними значениями апостериорного распределения Гауссовой модели процесса времен оценки целевой функции.

Смотрите также

|

Введенный в R2017b
Для просмотра документации необходимо авторизоваться на сайте