Python / GPyOpt：只优化一个参数

Question

我目前正在尝试使用 GPyOpt 模块通过高斯优化找到某些函数 f(arg1, arg2, arg3, ...) 的最小值。虽然 f(...) 需要很多输入参数，但我只想优化其中的一个。你是怎么做到的？

我目前的"solution"是把f(...)放在一个虚拟的class中，并在初始化时指定不优化的参数。虽然这可以说是解决这个问题的最符合 Python 风格的方法，但它也比它应有的复杂得多。

在优化 x:

时固定 y（数字）和 method（字符串）的函数 f(x, y, method) 的简短工作示例

import GPyOpt
import numpy as np

# dummy class
class TarFun(object):
    # fix y while initializing the object
    def __init__(self, y, method):
        self.y = y
        self.method = method
    # actual function to be minimized
    def f(self, x):
        if self.method == 'sin':
            return np.sin(x-self.y)
        elif self.method == 'cos':
            return np.cos(x-self.y)

# create TarFun object with y fixed to 2 and use 'sin' method
tarFunObj = TarFun(y=2, method='sin')
# describe properties of x
space = [{'name':'x', 'type': 'continuous', 'domain': (-5,5)}]
# create GPyOpt object that will only optimize x
optObj = GPyOpt.methods.BayesianOptimization(tarFunObj.f, space)

肯定有更简单的方法。但是我发现的所有例子都优化了所有参数，我无法理解阅读 github 上的代码（我虽然我会在 GPyOpt.core.task.space 中找到信息，但没有运气）。

Answer 1

我会检查 functools 标准库中的 partial 函数。它允许您部分指定一个函数，例如：

import GPyOpt
import numpy as np
from functools import partial


def f(x, y=0):
    return np.sin(x - y)


objective = partial(f, y=2)
space = [{'name': 'x', 'type': 'continuous', 'domain': (-5, 5)}]

opt = GPyOpt.methods.BayesianOptimization(
    objective, domain=space
)

Answer 2

GPyOpt 原生支持上下文。您描述函数的整个域，然后在调用优化例程时使用上下文字典修复某些变量的值。 API 看起来像这样：

myBopt.run_optimization(..., context={'var1': .3, 'var2': 0.4})

可以在此 tutorial notebook 中找到有关上下文优化的更多详细信息。

Python / GPyOpt：只优化一个参数

Python / GPyOpt: Optimizing only one argument

python

optimization

machine-learning

hyperparameters

gpyopt