predictObjectiveEvaluationTime

Предсказать время запуска целевой функции в наборе точек

Описание

пример

time = predictObjectiveEvaluationTime(results,XTable) возвращает предполагаемое время объективной оценки в точках в XTable.

Примеры

свернуть все

Этот пример показов, как оценить цель вычисления функции времени в оптимизированной байесовской модели классификации SVM.

Создайте оптимизированную модель SVM. Для получения дополнительной информации об этой модели смотрите Оптимизацию классификатора SVM с перекрестной проверкой с использованием 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);

Figure contains an axes. The axes with title Objective function model contains 5 objects of type line, surface, contour. These objects represent Observed points, Model mean, Next point, Model minimum feasible.

Figure contains an axes. The axes with title Min objective vs. Number of function evaluations contains 2 objects of type line. These objects represent Min observed objective, Estimated min objective.

Спрогнозируйте 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    0.21025
    0.0001    1e+05    0.23237
     0.001    1e+05     0.2069
      0.01    1e+05    0.16811
       0.1    1e+05    0.15477
         1    1e+05    0.35188
        10    1e+05     1.6861
       100    1e+05    0.62807
      1000    1e+05    0.14266
     10000    1e+05    0.12537
     1e+05    1e+05     0.1276

Входные параметры

свернуть все

Байесовские результаты оптимизации, заданная как BayesianOptimization объект.

Точки предсказания, заданные как таблица с D столбцами, где D - количество переменных в задаче. Функция выполняет свои предсказания по этим точкам.

Типы данных: table

Выходные аргументы

свернуть все

Предполагаемое время объективной оценки, возвращаемое в качестве N-by- 1 вектор, где N количество строк XTable. Оцененные значения являются средствами апостериорного распределения модели Гауссова процесса времени оценки целевой функции.

См. также

|

Введенный в R2016b
Для просмотра документации необходимо авторизоваться на сайте