Этот пример показывает, как получить лучшую точку оптимизированного классификатора.
Оптимизируйте классификатор KNN для ionosphere
данные, что означает параметры поиска, которые минимизируют потери перекрестной валидации. Минимизируйте по ближайшему соседству размеры от 1 до 30, и на расстоянии функций 'chebychev'
, 'euclidean'
, и 'minkowski'
.
Для воспроизводимости установите случайный seed и установите AcquisitionFunctionName
опция для '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 ближайшего соседа и 'chebychev'
расстояние.
Тщательное изучение графика модели целевой функции показывает точку с двумя ближайшими соседями и 'chebychev'
расстояние, которое имеет более низкое значение целевой функции. Найдите эту точку по другому критерию.
x=1×2 table
n dst
_ _________
2 chebychev
Также найдите минимальное наблюдаемое значение целевой функции и число итерации, при котором оно наблюдалось.
x=1×2 table
n dst
_ _________
2 chebychev