bayesian优化demo运行

参考链接：贝叶斯优化

准备工作

在所使用的python版本下，应有一个bayes_opt目录如下：

如果没有这个目录，可以用pip install bayesian-optimization命令下载

demo代码

新建一个python文件basic_bayesian.py，其中代码如下：

def black_box_function(x, y):
    """Function with unknown internals we wish to maximize.

    This is just serving as an example, for all intents and
    purposes think of the internals of this function, i.e.: the process
    which generates its output values, as unknown.
    """
    return -x ** 2 - (y - 1) ** 2 + 1

from bayes_opt import BayesianOptimization

pbounds = {'x': (2, 4), 'y': (-3, 3)}

optimizer = BayesianOptimization(
    f=black_box_function,
    pbounds=pbounds,
    verbose=2, # verbose = 1 prints only when a maximum is observed, verbose = 0 is silent
    random_state=1,
)

optimizer.maximize(
    init_points=2,
    n_iter=3,
)

print(optimizer.max)

代码分析

• 代码中的black_box_function函数，在例子中是已知的，但实际中不需要是一个已知表达式的函数，只需要是一个已知输入参数和输出实数的函数就可以
• optimizer是一个实例化的BayesianOptimization对象
• pbounds是参数的界限，也就是参数可取的上下界范围，因为贝叶斯优化是有约束的优化技术
• maximize是主要的方法，用于找出最大值
• init_points参数表示希望进行随机探索的次数，n_iter参数表示执行的贝叶斯优化步骤

运行结果

使用sudo python3 basic_bayesian.py命令运行代码，输出如下：

如果希望查看所有探测到的参数，以及对应的目标值，可以在代码最后添加：

for i, res in enumerate(optimizer.res):
    print("Iteration {}: \n\t{}".format(i, res))

重新运行，可以看到总共五次探索的参数和target值：