文件帮助中心
预测一组点的客观函数
目标=预测(结果,XTable)
[目的那Sigma.] =预测(结果那xtable.)
例
目的= predictbjective(结果那xtable.)returns the estimated objective function value at the points inxtable.。
目的= predictbjective(结果那xtable.)
目的
结果
xtable.
[目的那Sigma.] =预测(结果那xtable.)also returns estimated standard deviations.
Sigma.
全部收缩
此示例显示如何估计优化分类器的交叉验证丢失。
优化KNN分类器电离层数据,含义找到最小化交叉验证损耗的参数。最小化1到30的最近邻域大小,并通过距离函数'chebbychev'那'euclidean',和'minkowski'。
电离层
'chebbychev'
'euclidean'
'minkowski'
为了再现性,设置随机种子,并设置收集功能名称option to'预期改善加'。
收集功能名称
'预期改善加'
加载电离层RNG.默认num =优化不变('n',[1,30],'类型'那'整数');DST =优化不变('dst',{'chebbychev'那'euclidean'那'minkowski'},'类型'那'分类');c = cvpartition(351,'kfold'5);fun = @(x)kfoldloss(fitcknn(x,y,'cvpartition',C,'numneighbors',x.n,......'距离',char(x.dst),'nsmethod'那'彻底的'));结果= Bayesopt(乐趣,[Num,DST],'verbose',0,......'获取功能名称'那'预期改善加');
创建一个要点的点表。
b =分类({'chebbychev'那'euclidean'那'minkowski'});n = [1; 1; 1; 4; 2; 2];dst = [b(1); b(2); b(3); b(1); b(1); b(3)];xtable =表(n,dst);
估计这些点目标的目标和标准偏差。
[目的,Sigma] =预测(结果,XTable);[xtable,表格(目标,sigma)]
ans =.6×4表N DST目标Sigma _ _________ __________ 1 _________ 1 Chebychev 0.12132 0.0068029 1 Euclidean 0.14052 0.0079128 1 Minkowski 0.14057 0.0079117 4 Chebychev 0.1227 0.0068805 2 Chebychev 0.12176 0.0066739 2 Minkowski 0.11. 0.0075448
BayesianOptimization
贝叶斯优化结果,指定为aBayesianOptimization目的。
预测点,指定为具有d列的表,其中d是问题中的变量数。该函数对这些点执行预测。
数据类型:表
表
N
1
客观估计,作为一个返回N-通过-1矢量,在那里N是行的行数xtable.。估计是目标函数的高斯过程模型的后部分布的平均值。
客观函数的标准偏差,作为一个返回N-通过-1矢量,在那里N是行的行数xtable.。标准偏差是客观函数的高斯过程模型的后部分布的标准偏差。
BayesianOptimization|Bayesopt.
Bayesopt.
系统上存在此示例的修改版本。你想打开这个版本吗?
您单击了与此MATLAB命令对应的链接:
在MATLAB命令窗口中输入它来运行命令。Web浏览器不支持MATLAB命令。万博1manbetx
选择一个网站,以便在可用的地方进行翻译的内容,并查看本地活动和优惠。根据您的位置,我们建议您选择:。
您还可以从以下列表中选择一个网站:
选择中国网站(以中文或英文)以获取最佳网站性能。其他MathWorks国家网站未优化您的位置。
联系您当地的办公室