predictConstraints

一連の点における連結制約違反の予測

ページ内をすべて折りたたむ

構文

ConstraintViolations = predictConstraints(results,XTable)

[ConstraintViolations,sigma] = predictConstraints(results,XTable)

説明

例

ConstraintViolations = predictConstraints(results,XTable) は、XTable 内の点における連結制約関数の違反を返します。

[ConstraintViolations,sigma] = predictConstraints(results,XTable) は、連結制約関数の標準偏差も返します。

例

すべて折りたたむ

連結制約の予測

スクリプトを開く

この例では、最適化された SVM モデルの連結制約を予測する方法を示します。このモデルの詳細については、bayesopt を使用した交差検証分類器の最適化を参照してください。

rng default
grnpop = mvnrnd([1,0],eye(2),10);
redpop = mvnrnd([0,1],eye(2),10);
redpts = zeros(100,2);
grnpts = redpts;
for i = 1:100
    grnpts(i,:) = mvnrnd(grnpop(randi(10),:),eye(2)*0.02);
    redpts(i,:) = mvnrnd(redpop(randi(10),:),eye(2)*0.02);
end
cdata = [grnpts;redpts];
grp = ones(200,1);
grp(101:200) = -1;
c = cvpartition(200,'KFold',10);
sigma = optimizableVariable('sigma',[1e-5,1e5],'Transform','log');
box = optimizableVariable('box',[1e-5,1e5],'Transform','log');

目的関数は、分割 c における SVM モデルの交差検証損失です。連結制約は、モデル内のサポートベクターの個数から 100 を減算した値です。モデルには 200 個のデータ点があるので、連結制約の値の範囲は -100 から 100 になります。正の値は、制約が満たされないことを意味します。

function [objective,constraint] = mysvmfun(x,cdata,grp,c)
SVMModel = fitcsvm(cdata,grp,'KernelFunction','rbf',...
    'BoxConstraint',x.box,...
    'KernelScale',x.sigma);
cvModel = crossval(SVMModel,'CVPartition',c);
objective = kfoldLoss(cvModel);
constraint = sum(SVMModel.IsSupportVector)-100.5;

この関数と 1 つの連結制約を使用してオプティマイザーを呼び出します。

fun = @(x)mysvmfun(x,cdata,grp,c);
results = bayesopt(fun,[sigma,box],'IsObjectiveDeterministic',true,...
    'NumCoupledConstraints',1,'PlotFcn',...
    {@plotMinObjective,@plotConstraintModels,@plotObjectiveModel},...
    'AcquisitionFunctionName','expected-improvement-plus','Verbose',0);

制約モデルのプロットは、範囲内にあるパラメーターはほとんどが実行不可能であり、比較的高い値の box パラメーターおよび狭い範囲の sigma パラメーターのみが実行可能であることを示しています。制御変数 box および sigma のいくつかの値について連結制約の値を予測します。

sigma = logspace(-2,2,11)';
box = logspace(0,5,11)';
XTable = table(sigma,box);
cons = predictConstraints(results,XTable);
[XTable,table(cons)]

ans =

  11x3 table

     sigma       box       cons  
    ________    ______    _______

        0.01         1     99.539
    0.025119    3.1623     106.74
    0.063096        10     94.781
     0.15849    31.623     25.242
     0.39811       100     -38.79
           1    316.23    -56.379
      2.5119      1000    -34.247
      6.3096    3162.3     4.9263
      15.849     10000     39.193
      39.811     31623      60.69
         100     1e+05      71.82