skoptimize 0.9.0

重要链接

• 静态文档 - 静态文档

• 示例笔记本 - 可在示例中找到。

• 问题跟踪器 - https://github.com/scikit-optimize/scikit-optimize/issues

• 版本 - https://pypi.python.org/pypi/scikit-optimize

安装

scikit-optimize需要

• Python >= 3.6

• NumPy (>= 1.13.3)

• SciPy (>= 0.19.1)

• joblib (>= 0.11)

• scikit-learn >= 0.20

• matplotlib >= 2.0.0

您可以使用以下命令安装最新版本

pip install scikit-optimize

这将安装scikit-optimize的必要版本。要安装具有绘图功能的scikit-optimize，您可以选择以下操作

pip install 'scikit-optimize[plots]'

这将安装matplotlib和scikit-optimize。

此外，还有一个 conda-forge 的 scikit-optimize 软件包。

conda install -c conda-forge scikit-optimize

使用 conda-forge 可能是 Windows 上安装 scikit-optimize 的一种最简单的方式。

入门指南

使用 skopt 在范围 -2 < x < 2 上找到噪声函数 f(x) 的最小值。

import numpy as np
from skopt import gp_minimize

def f(x):
    return (np.sin(5 * x[0]) * (1 - np.tanh(x[0] ** 2)) +
            np.random.randn() * 0.1)

res = gp_minimize(f, [(-2.0, 2.0)])

为了更好地控制优化循环，您可以使用 skopt.Optimizer 类。

from skopt import Optimizer

opt = Optimizer([(-2.0, 2.0)])

for i in range(20):
    suggested = opt.ask()
    y = f(suggested)
    opt.tell(suggested, y)
    print('iteration:', i, suggested, y)

阅读我们的 贝叶斯优化简介 和其他 示例。

开发

该库仍在实验阶段，处于高度开发中。查看 下一个里程碑 了解下一个版本的计划，或者查看一些 简单问题 开始贡献。

可以通过以下方式安装开发版本：

git clone https://github.com/scikit-optimize/scikit-optimize.git
cd scikit-optimize
pip install -e.

在顶层目录中执行 pytest 以运行所有测试。

要仅运行运行时间较短的测试子集，可以使用 pytest -m 'fast_test' （也可以使用 pytest -m 'slow_test'）。要排除所有运行时间较慢的测试，请尝试 pytest -m 'not slow_test'。

这是使用 pytest 属性 实现的。如果一个测试运行时间超过 1 秒，则将其标记为慢速，否则为快速。

所有贡献者都欢迎！

商业支持

如果您需要商业支持或希望赞助开发，请随时联系 tim@wildtreetech.com。资源将用于支付经验丰富的工程师和研究人员的额外工作。

由以下机构支持

scikit-optimize 项目得到了以下机构的支持

如果您的雇主允许您在白天工作 scikit-optimize，并且希望得到认可，请随时将他们添加到“由以下机构支持”列表中。