Для каждой переменной в целевой функции создайте объект описания переменной с помощью optimizableVariable
. Каждая переменная имеет уникальное имя и область значений значений. Минимальный синтаксис для создания переменных:
variable = optimizableVariable(Name,Range)
Эта функция создает действительную переменную, которая находится в диапазоне от нижней границы Range(1)
к верхней границе Range(2)
.
Можно задать три типа переменных в Type
Пара "имя-значение":
'real'
- Непрерывные вещественные значения между конечными границами. Дайте Range
как двухэлементный вектор [lower upper]
, которые представляют нижнюю и верхнюю границы.
'integer'
- Целочисленные значения между конечными границами, подобные 'real'
.
'categorical'
- Массив ячеек из имен возможных значений, таких как {'red','green','blue'}
, которые вы задаете в Range
аргумент.
Для 'real'
или 'integer'
переменные, вы можете задать, что bayesopt
выполняет поиск в масштабированном по логарифмам пространстве путем установки Transform
Пара "имя-значение" с 'log'
. Для этого преобразования убедитесь, что нижняя граница в Range
строго положительно.
Включите переменные для bayesopt
как вектор во втором аргументе.
results = bayesopt(fun,[xvar,ivar,rvar])
Чтобы исключить переменную из оптимизации, задайте Optimize
на false
, либо в паре "имя-значение" optimizableVariable
, или через запись через точку:
xvar.Optimize = false;
Совет
Существует два имени, сопоставленных с optimizableVariable
:
MATLAB® имя переменной рабочей области
Имя переменной в оптимизации
Для примера,
xvar = optimizableVariable('spacevar',[1,100]);
xvar
- переменное Рабочее пространство MATLAB, и 'spacevar'
- переменная в оптимизации.
Используйте эти имена следующим образом:
Использование xvar
как элемент в векторе переменных, в которые вы переходите bayesopt
. Для примера,
results = bayesopt(fun,[xvar,tvar])
Использование 'spacevar'
как имя переменной в оптимизации. Для примера 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));
Действительная 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
Целое число переменная от 1 до 1000 по журналу шкале:
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 радужных цветов:
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