Переменные для байесовской оптимизации

Синтаксис для создания переменных оптимизации

Для каждой переменной в целевой функции создайте объект описания переменной с помощью optimizableVariable. Каждая переменная имеет уникальное имя и диапазон значений. Минимальный синтаксис для создания переменной:

variable = optimizableVariable(Name,Range)

Эта функция создает действительную переменную, которая находится в диапазоне от нижней границы Range(1) к верхней границе Range(2).

Можно указать три типа переменных в Type пара имя-значение:

'real' - Непрерывные вещественные значения между конечными границами. Дать Range как двухэлементный вектор [lower upper], которые представляют нижнюю и верхнюю границы.
'integer' - целочисленные значения между конечными границами, аналогично 'real'.
'categorical' - Массив ячеек имен возможных значений, таких как {'red','green','blue'}, который вы указываете в Range аргумент.

Для 'real' или 'integer' переменные, можно указать, что bayesopt поиск в пространстве с масштабированием журнала путем установки Transform пара имя-значение к 'log'. Для этого преобразования убедитесь, что нижняя граница в Range является строго позитивным.

Включить переменные для bayesopt в качестве вектора во втором аргументе.

results = bayesopt(fun,[xvar,ivar,rvar])

Чтобы исключить переменную из оптимизации, задайте Optimize кому false, либо в паре имя-значение optimizableVariable, или точечной нотацией:

xvar.Optimize = false;

Совет

Существует два имени, связанных с optimizableVariable:
- Имя переменной рабочего пространства MATLAB ®
- Имя переменной в оптимизации
Например,
```
xvar = optimizableVariable('spacevar',[1,100]);
```
xvar является переменной рабочей области MATLAB, и 'spacevar' - переменная в оптимизации.
Используйте следующие имена:
- Использовать xvar как элемент в векторе переменных, которым вы передаете bayesopt. Например,
  results = bayesopt(fun,[xvar,tvar])
- Использовать 'spacevar' в качестве имени переменной в оптимизации. Например, в целевой функции
  function objective = mysvmfun(x,cdata,grp) SVMModel = fitcsvm(cdata,grp,'KernelFunction','rbf',... 'BoxConstraint',x.spacevar,... 'KernelScale',x.tvar); objective = kfoldLoss(crossval(SVMModel));

Переменные для примеров оптимизации

Открыть сценарий в реальном времени

Вещественная переменная от 0 до 1:

var1 = optimizableVariable('xvar',[0 1])

var1 = 
  optimizableVariable with properties:

         Name: 'xvar'
        Range: [0 1]
         Type: 'real'
    Transform: 'none'
     Optimize: 1

Целочисленная переменная от 1 до 1000 в логарифмическом масштабе:

var2 = optimizableVariable('ivar',[1 1000],'Type','integer','Transform','log')

var2 = 
  optimizableVariable with properties:

         Name: 'ivar'
        Range: [1 1000]
         Type: 'integer'
    Transform: 'log'
     Optimize: 1

Категориальная переменная цветов радуги:

var3 = optimizableVariable('rvar',{'r' 'o' 'y' 'g' 'b' 'i' 'v'},'Type','categorical')

var3 = 
  optimizableVariable with properties:

         Name: 'rvar'
        Range: {'r'  'o'  'y'  'g'  'b'  'i'  'v'}
         Type: 'categorical'
    Transform: 'none'
     Optimize: 1

Документация