ValueError при использовании байесовской оптимизации по модели scikit GP - PullRequest
Новая
       64

ValueError при использовании байесовской оптимизации по модели scikit GP

1 голос
/ 21 апреля 2020

Я использую Гауссовскую регрессию процесса с 4 входами и одним выходом. Цель состоит в том, чтобы найти оптимальный X, выполнив байесовскую оптимизацию для подобранной модели.

Я подгоняю модель следующим образом: 

kernel = C(1.0, (1e-4, 1e4))*RBF(1.0,(1e-3,1e3))
model = GaussianProcessRegressor(kernel = kernel, n_restarts_optimizer = 10,optimizer='fmin_l_bfgs_b')           
model.fit(X,Y)

До сих пор я использовал это Чтобы выполнить оптимизацию: 

bayesian_optimization = gp_minimize(lambda x: -model.predict(np.array([x])[0]),   
                        [(0.0, 7.0), (0.0, 7.0),(0.0, 7.0),(0.0, 7.0)],                                        
                        acq_func="EI",                                         
                        n_calls=15,                                            
                        n_random_starts=5,                                     
                        random_state=1234)

Я получаю следующую ошибку: 

ValueError: Expected 2D array, got 1D array instead:
array=[3.48364567 5.72486909 4.28478326 5.39951943].
Reshape your data either using array.reshape(-1, 1) if your data has a single feature or array.reshape(1, -1) if it contains a single sample.

Не уверен, что вообще возможно решить проблему, я уже пытался: 


bayesian_optimization = gp_minimize(lambda x: -model.predict(np.array([x]).reshape(1,-1)[0]),   
                        [(0.0, 7.0), (0.0, 7.0),(0.0, 7.0),(0.0, 7.0)],                                        
                        acq_func="EI",                                         
                        n_calls=15,                                            
                        n_random_starts=5,                                     
                        random_state=1234)

и 

bayesian_optimization = gp_minimize(lambda x: -model.predict(np.array([x]).reshape(-1, 1)[0]),   
                        [(0.0, 7.0), (0.0, 7.0),(0.0, 7.0),(0.0, 7.0)],                                        
                        acq_func="EI",                                         
                        n_calls=15,                                            
                        n_random_starts=5,                                     
                        random_state=1234)

, но безуспешно. Есть идеи как преодолеть такую ​​проблему?

...