预测

预测一组点的客观函数

页面上倒塌

句法

目标=预测（结果，XTable）

[目的那Sigma.] =预测（结果那xtable.）

描述

例

目的= predictbjective（结果那xtable.）returns the estimated objective function value at the points inxtable.。

例

[目的那Sigma.] =预测（结果那xtable.）also returns estimated standard deviations.

例子

全部收缩

预测优化分类器的交叉验证丢失

打开直播脚本

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'。

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'。

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