predictError

预测一组点的误差值

折叠所有页面

语法

错误= predictError(结果,XTable)

(错误,σ)= predictError(结果,XTable)

描述

例子

错误=预测误差(结果，XTable）返回中各点处误差耦合约束的后验平均值XTable．

［错误，σ) = predictError (结果，XTable）也返回后验标准差。

例子

全部折叠

错误的预测

开放脚本

这个示例演示了如何优化一个函数，该函数在求值点的范数大于时抛出错误2．目标函数的误差模型学习这种行为。

创建变量命名x1和x2,从-5来5．

var1 = optimizableVariable (x1的，[-5,5]）；var2=optimizableVariable(“x2”, 5, 5]);var = [var1, var2];

的范数时，下列目标函数抛出错误x = (x1, x2)超过2:

函数F = x -x - x2 -根号(4-x - x1^2-x - x2^2);

有趣= @makeanerror;

绘制优化过程中的误差模型和最小目标。优化60次迭代，使错误模型得到良好的训练。为了重现性，设置随机种子并使用“预期改善加成”采集功能。

rng默认的结果= bayesopt (var,有趣“详细”0,“MaxObjectiveEvaluations”现年60岁的.．.“AcquisitionFunctionName”，“预期改善加成”，.．.“PlotFcn”, {@plotMinObjective, @plotConstraintModels});

预测线上各点的误差x1=x2．如果错误模型是完美的，它就会有价值-1在每一点上x只不过是2,和价值1在其他所有点。

x1 = (5:0.5:5) ';x1, x2 =XTable =表(x1, x2);错误= predictError(结果,XTable);normx =√x1。^ 2 + x2。^ 2);(XTable、表(normx、错误))

ans = 21 (x1, x2) normx x4表错误  ____ ____ _______ _________ - 5 5 7.0711 0.94663 -4.5 -4.5 6.364 0.97396 4 4 5.6569 0.99125 -3.5 -3.5 4.9497 1.0033 3 3 4.2426 1.0018 -2.5 -2.5 3.5355 0.99627 2 2 1 2.8284 1.0043 -1.5 -1.5 2.1213 0.89886 1 1.4142 0.4746 -0.5 -0.5 0.70711 0.0042389 0 0 0 0.30187 1.4142 -0.16004 0.5 0.5 0.70711 -0.012397 1 11．51．52．1213 0.88588 2 2 2.8284 1.0872 2.5 2.5 3.5355 0.997 3 3 4.2426 0.99861 3.5 3.5 4.9497 0.98894 4 4 5.6569 0.98941 4.5 4.5 6.364 0.98956 5 5 7.0711 0.95549