f(x)x
Tôi muốn nói rằng tiêu chuẩn vàng hiện tại để đánh giá (rất) chức năng hộp đen tốn kém là (toàn cầu) tối ưu hóa Bayes (BO). Sycorax đã mô tả một số tính năng của BO, vì vậy tôi chỉ thêm một số thông tin có thể hữu ích.
Là một điểm khởi đầu, bạn có thể muốn đọc bài viết tổng quan này 1 . Ngoài ra còn có một cái gần đây hơn [2].
Tối ưu hóa Bayes đã phát triển ổn định như một lĩnh vực trong những năm gần đây, với một loạt các hội thảo chuyên dụng (ví dụ BayesOpt , và xem các video này từ hội thảo của Sheffield về BO), vì nó có các ứng dụng rất thực tế trong học máy, như để tối ưu hóa siêu tham số của thuật toán ML - xem ví dụ: bài báo này [3] và hộp công cụ liên quan, SpearMint . Có nhiều gói khác trong các ngôn ngữ khác nhau thực hiện các loại thuật toán tối ưu hóa Bayes khác nhau.
Như tôi đã đề cập, yêu cầu cơ bản là mỗi đánh giá chức năng rất tốn kém, do đó các tính toán liên quan đến BO thêm một chi phí không đáng kể. Để cung cấp một sân bóng, BO có thể rất hữu ích nếu chức năng của bạn đánh giá trong một khoảng thời gian theo thứ tự vài phút trở lên. Bạn cũng có thể áp dụng nó cho các tính toán nhanh hơn (ví dụ hàng chục giây), nhưng tùy thuộc vào thuật toán bạn sử dụng, bạn có thể phải áp dụng các xấp xỉ khác nhau. Nếu chức năng của bạn đánh giá theo thang thời gian của giây , tôi nghĩ rằng bạn đang vượt qua ranh giới của nghiên cứu hiện tại và có lẽ các phương pháp khác có thể trở nên hữu ích hơn. Ngoài ra, tôi phải nói rằng, BO hiếm khi thực sự là hộp đen và bạn thường phải điều chỉnh các thuật toán, đôi khi rất nhiều , để làm cho nó hoạt động hết tiềm năng với một vấn đề thực tế cụ thể.
Bỏ qua một bên, để đánh giá các phương pháp tối ưu hóa không có đạo hàm chung, bạn có thể xem xét đánh giá này [4] và kiểm tra các thuật toán có đặc tính tốt của sự hội tụ nhanh. Ví dụ: Tìm kiếm phối hợp đa cấp (MCS) thường hội tụ rất nhanh đến một vùng lân cận tối thiểu (tất nhiên không phải luôn luôn là mức tối thiểu toàn cầu). MCS được cho là tối ưu hóa toàn cầu, nhưng bạn có thể biến nó thành cục bộ bằng cách đặt các ràng buộc ràng buộc thích hợp.
Cuối cùng, bạn quan tâm đến BO cho các chức năng mục tiêu vừa tốn kém vừa ồn ào , hãy xem câu trả lời của tôi cho câu hỏi này .
Người giới thiệu:
1 Brochu và cộng sự, "Hướng dẫn về Tối ưu hóa Bayes cho các hàm chi phí đắt đỏ, với ứng dụng cho mô hình hóa người dùng tích cực và học tập củng cố phân cấp" (2010).
[2] Shahriari và cộng sự, "Đưa con người ra khỏi vòng lặp: Đánh giá về tối ưu hóa Bayes" (2015).
[3] Snoek và cộng sự, "Tối ưu hóa thực tế của thuật toán học máy", NIPS (2012).
[4] Rios và Sahinidis, "Tối ưu hóa miễn phí phái sinh: đánh giá các thuật toán và so sánh việc triển khai phần mềm", Tạp chí Tối ưu hóa toàn cầu (2013).