主要内容
贝叶斯优化的变量
用于创建优化变量的语法
对于您的客观函数中的每个变量，使用变量描述对象使用优化变量。每个变量都有一个唯一的名称和一系列值。创建变量的最低语法为
变量=optimizableVariable（名称、范围）
此函数用于创建一个范围为下限的实变量范围（1）上界射程（2）.
可以在中指定三种类型的变量类型名称值参数：
“真的”-有限边界之间的连续实值。给范围作为二元向量[上下]，代表下限和上限。“整数”-有限边界之间的整数值，类似于“真的”.“绝对的”-可能值的名称的单元格数组，例如{‘红’、‘绿’、‘蓝’}，您在范围争论。
对于“真的”或者“整数”变量，您可以指定贝耶斯波特通过设置来搜索日志缩放的空间使改变名称 - 值参数“日志”。对于此转换，请确保范围绝对是肯定的“真的”对于“整数”.
包括的变量贝耶斯波特作为第二个论点的矢量。
结果=bayesopt（fun，[xvar，ivar，rvar]）
要从优化中排除变量，请设置优化到错误的，在的name-value参数中优化变量，或通过点符号：
xvar.Optimize=false；
提示
有两个名称与一个
优化变量:MATLAB®工作区变量名
优化中变量的名称
例如，
XVAR =优化不变（'spacevar'，[1,100]）;xvar是MATLAB工作空间变量，并且'spacevar'是优化中的变量。使用以下名称：
使用
xvar作为您传递的变量矢量中的元素贝耶斯波特例如结果=bayesopt（有趣[xvar，tvar]）
使用
'spacevar'作为优化中变量的名称。例如，在目标函数中，函数目标=mysvmfun（x，cdata，grp）SVMModel=fitcsvm（cdata，grp，'KernelFunction'，'rbf'，…'BoxConstraint'，X.Spacevar.，…'KernelScale'，x.tvar）；目标=kfoldLoss（crossval（SVMModel））；
优化示例的变量
从0到1的实变量：
var1=优化变量('xvar',[0 1])
VAR1 =具有属性的优化变性：名称：'XVAR'范围：[0 1]类型：“真实”变换：'无'优化：1
对数刻度上从0到1000的整数变量：
var2 =优化不变（“伊瓦尔”,[0 1000],“类型”,“整数”,“转变”,“日志”)
var2=具有以下属性的optimizableVariable:名称：'ivar'范围：[0 1000]类型：'integer'转换：'log'优化：1
彩虹颜色的分类变量：
var3=优化变量(“rvar”，{“r”'o'“是的”“g”“b”“我很高兴“v”},“类型”,“绝对的”)
var3=具有以下属性的optimizableVariable:名称：'rvar'范围：{'r''o''y''g''b''i''v'}类型：'Category'转换：'none'优化：1
相关话题
您还可以从以下列表中选择网站：
