bestPoint

根据准则的贝叶斯优化的最佳点

折叠所有页面

句法

X = bestPoint（结果）
X = bestPoint（结果，名称，值）
[X，CriterionValue] = bestPoint（___）
[X，CriterionValue，迭代] = bestPoint（___）

描述

例

X= bestPoint（结果）返回在贝叶斯模型最好的可行点结果根据默认标准“最小访问-上部置信区间”。

例

X= bestPoint（结果，名称，值）修改使用名称 - 值对的最佳点。

例

[X，CriterionValue] = bestPoint（___）对于任何以前的语法，还返回标准的价值X。

例

[X，CriterionValue，迭代] = bestPoint（___）还返回在其返回的最佳点的迭代次数。适用于当标准名称 - 值对是“最小 - 观察到”，“最小的受访平均”，或默认“最小访问-上部置信区间”。

例子

全部收缩

开立真实脚本

这个例子展示了如何获得优化分类器的最佳点。

优化KNN分类为电离层数据，这意味着找到参数，最大限度地减少了交叉验证的损失。最近邻域尺寸最小化在从1至30，并且在距离函数“切比雪夫”，“欧几里德”和“闵可夫斯基。

对于重复性，设置随机种子，并设置AcquisitionFunctionName选项“预计-改善，加上”。

加载电离层RNG（11）NUM = optimizableVariable（'N'，[1,30]，'类型'，'整数'）;DST = optimizableVariable（'DST'{“切比雪夫”，“欧几里德”，“闵可夫斯基}，'类型'，“绝对”）;C = cvpartition（351，'Kfold'，5）;有趣= @（X）kfoldLoss（fitcknn（X，Y，'CVPartition'，C，'NumNeighbors'，x.n，...'距离'，炭（x.dst），'NSMethod'，“详尽”））;结果= bayesopt（乐趣，[NUM，DST]“放牧”，0，...'AcquisitionFunctionName'，“预计-改善，加上”）;

根据默认获得最佳点“最小访问-上部置信区间”标准。

X = bestPoint（结果）
X =1×2表ÑDST _ _________ 1次切比雪夫

发生的最低估计交叉验证损失为一个最近邻和“切比雪夫”距离。

目标函数模型剧情的仔细检查显示有两个最近的邻居和点“切比雪夫”距离具有较低的目标函数值。查找使用不同的标准这一点。

X = bestPoint（结果，'标准'，“最小 - 观察到”）
X =1×2表ÑDST _ _________ 2切比雪夫

还发现的最小观察到目标函数值，并观察到在此所述的迭代次数。

[X，CriterionValue，迭代] = bestPoint（结果，'标准'，“最小 - 观察到”）
X =1×2表ÑDST _ _________ 2切比雪夫
CriterionValue = 0.1054
迭代= 21

输入参数

全部收缩

贝叶斯优化结果，指定为BayesianOptimization目的。

名称 - 值对参数

指定可选的用逗号分隔的对名称，值参数。名称是参数的名称和值是对应的值。名称必须出现引号内。您可以按照任何顺序指定多个名称和值对参数名1，值1，...，NameN，值N。

例：X = bestPoint（结果， '标准'， '最小观察'）

最佳点的标准，指定为逗号分隔的一对组成的'标准'和标准名称。名称是区分大小写的，不需要-字符，并且只需要足够的字符，以使名称唯一区别的。

标准名称 含义
“最小 - 观察到” X是最小的可行点观察目标。
“分钟均值” X是其中目标模型平均值最小的可行点。
“最小上部置信区间” X是可行的点最小化目标模型的置信区间上。看到α。
“最小的受访平均” X是在目标模式均值的访问点之间最小的可行点。
“最小访问-上部置信区间” X是可行的点最小化访问点中的目标模型的置信区间上。看到α。

例：“准则”，“最小的受访平均”

概率模型客观平均超过CriterionValue，指定为逗号分隔的一对组成的'α'之间的标0和1。α涉及“最小上部置信区间”和“最小访问-上部置信区间”标准值。用于上部置信区间定义为值ÿ哪里

P（意思Q（开玩笑（X））>ÿ）=α，

哪里开玩笑是目标函数，平均相对于计算出的后验分布Q。

例：'阿尔法'，0.05

数据类型：双

输出参数

全部收缩

最佳点，返回为1-通过-d表，其中d是变量的个数。“最佳”的含义是相对于标准。

准则值，返回作为一个真正的标量。值取决于的设置标准名称 - 值对，其具有一个默认值“最小访问-上部置信区间”。

标准名称 含义
“最小 - 观察到” 观察到最小的目标。
“分钟均值” 模型的平均最低。
“最小上部置信区间” 值ÿ满足方程P（意思Q（开玩笑（X））>ÿ）=α。
“最小的受访平均” 观察模型均值最低。
“最小访问-上部置信区间” 值ÿ满足方程P（意思Q（开玩笑（X））>ÿ）=α中观测点。

迭代次数，在其中观察到最佳点，返回为一个正整数。最好的一点是通过定义CriterionValue。

也可以看看

|

介绍了在R2016b

统计和机器学习工具箱文档
万博1manbetx
掌握机器学习：有步骤，分步指南与MATLAB

掌握机器学习：有步骤，分步指南与MATLAB

下载电子书