WOLFRAM

ActivePrediction[f,{conf1,conf2, }]

给出一个对象,表示通过使用函数 f 来确定实例配置 confi 的值而获得的主动预测的结果.

ActivePrediction[f,reg]

在由 reg 指定的区域内产生配置.

ActivePrediction[f,sampler]

通过应用函数 sampler 产生配置.

ActivePrediction[f,{conf1,conf2,}nsampler]

应用函数 nsampler 以连续产生从某个 confi 开始的配置.

更多信息和选项

范例

打开所有单元关闭所有单元

基本范例  (3)常见实例总结

培训一个 ActivePredictionObject[],找到一个给定配置集的函数的预测器:

Out[1]=1

提取由此得出的预测器:

Out[2]=2

预测新的样本:

Out[3]=3

培训一个预测对象,找到由间隔定义的域的函数的预测器:

Out[1]=1

提取预测器:

Out[2]=2

预测新的样本:

Out[3]=3

训练一个预测对象,找到 Det 函数的预测器,其中域由配置生成器定义:

Out[1]=1

提取预测器:

Out[2]=2

预测新的样本:

Out[3]=3

范围  (3)标准用法实例范围调查

训练一个预测对象,找到在间隔内的正弦函数的预测器:

Out[1]=1

获取可用对象属性的列表:

Out[2]=2

获取探索的配置的历史:

Out[3]=3

在主动预测中获取培训过的预测器以及一些属性:

Out[4]=4

获取最终预测器:

Out[5]=5

获取用于选择配置并添加至培训集的方法:

Out[6]=6

获取其他一些属性:

Out[7]=7

显示主动预测中培训的预测器的性能:

Out[8]=8

可视化用于新样本的预测器的预测:

Out[9]=9

培训预测对象,找到计算给定颜色与红色之间的色彩距离的函数预测器,其中域是由随机颜色生成器定义:

Out[1]=1

获取预测器:

Out[2]=2

显示主动预测时培训的预测器的性能:

Out[3]=3

显示测试集的预测器的比较图:

Out[4]=4

定义一个非平凡的函数,其中域由邻域配置生成器定义:

培训一个预测对象,找到函数的预测器,从一些初始配置开始:

Out[2]=2

获取预测器:

Out[3]=3

可视化预测器的预测. 它在初始配置的邻域中提供了良好的函数模型:

Out[4]=4

选项  (3)各选项的常用值和功能

InitialEvaluationHistory  (1)

定义一个二次函数,域由一组数字定义:

构建一个初始的培训集

Out[2]=2

培训一个预测对象,为使用前信息的函数找到预测器:

Out[3]=3

培训历史的首行例子现在对应于初始培训集:

Out[4]=4

MaxIterations  (1)

定义一个非平凡二维函数:

培训一个预测对象,为单位圆盘内的函数找预测器:

Out[2]=2

获取函数计算的值:

Out[3]=3

指定最大迭代次数:

Out[4]=4

再次查看函数运算次数:

Out[5]=5

Method  (1)

定义一个非平凡的随机函数:

通过用关联指定方法,选择计算策略和预测方法来培训一个预测对象:

Out[2]=2

获取预测器:

Out[3]=3

为主动预测指定不同的方法:

Out[4]=4

再次获取预测器:

Out[5]=5

可视化两个预测器的预测. "GaussianProcess" 产生相对于 "NearestNeighbors" 的更光滑的预测器:

Out[6]=6

应用  (2)用该函数可以解决的问题范例

有效训练模型以预测特定位置的海拔:

抽样 1000 个随机位置来测试模型的质量:

比较预测的海拔和通过服务器调用获得的实际海拔:

Out[310]=310
Out[12]=12

LogLikelihood 函数预测器  (1)

加载 Fisher 的 Iris 数据集并把它分为培训集和测试集:

构建一个 LogLikelihood 函数,它在培训样本上培训一个分类器,然后对于给定的超参数选择在测试样本上给出 "LogLikelihoodRate"

培训一个预测对象,找到长方形域上的 LogLikelihood 函数的预测器:

Out[3]=3

获取预测器:

Out[4]=4

获取探索的配置的坐标和它们的值:

可视化预测器和探索的配置的预测:

Out[6]=6
Wolfram Research (2017),ActivePrediction,Wolfram 语言函数,https://reference.wolfram.com/language/ref/ActivePrediction.html (更新于 2017 年).

文本

Wolfram Research (2017),ActivePrediction,Wolfram 语言函数,https://reference.wolfram.com/language/ref/ActivePrediction.html (更新于 2017 年).

CMS

Wolfram 语言. 2017. "ActivePrediction." Wolfram 语言与系统参考资料中心. Wolfram Research. 最新版本 2017. https://reference.wolfram.com/language/ref/ActivePrediction.html.

APA

Wolfram 语言. (2017). ActivePrediction. Wolfram 语言与系统参考资料中心. 追溯自 https://reference.wolfram.com/language/ref/ActivePrediction.html 年

BibTeX

@misc{reference.wolfram_2023_activeprediction, author="Wolfram Research", title="{ActivePrediction}", year="2017", howpublished="\url{https://reference.wolfram.com/language/ref/ActivePrediction.html}", note=[Accessed: 02-April-2025 ]}

BibLaTeX

@online{reference.wolfram_2023_activeprediction, organization={Wolfram Research}, title={ActivePrediction}, year={2017}, url={https://reference.wolfram.com/language/ref/ActivePrediction.html}, note=[Accessed: 02-April-2025 ]}