Python / GPyOpt:只优化一个参数

Question

我目前正在尝试使用GPyOpt模块通过高斯优化找到一些函数f(arg1, arg2, arg3, ...)的最小值。虽然f(...)接受许多输入参数，但我只想优化其中的一个。你怎么做到的？

我目前的“解决方案”是将f(...)放在一个虚拟类中，并在初始化它时指定不需要优化的参数。虽然这可以说是解决这个问题的最pythonesque式的方法，但它也比它应有的复杂得多。

优化f(x, y, method)时使用固定y (数字)和method (字符串)的函数x的简短工作示例

import GPyOpt
import numpy as np

# dummy class
class TarFun(object):
    # fix y while initializing the object
    def __init__(self, y, method):
        self.y = y
        self.method = method
    # actual function to be minimized
    def f(self, x):
        if self.method == 'sin':
            return np.sin(x-self.y)
        elif self.method == 'cos':
            return np.cos(x-self.y)

# create TarFun object with y fixed to 2 and use 'sin' method
tarFunObj = TarFun(y=2, method='sin')
# describe properties of x
space = [{'name':'x', 'type': 'continuous', 'domain': (-5,5)}]
# create GPyOpt object that will only optimize x
optObj = GPyOpt.methods.BayesianOptimization(tarFunObj.f, space)

肯定有一种更简单的方法。但我发现的所有示例都优化了所有参数，并且我无法在github上阅读代码(我以为我可以在GPyOpt.core.task.space中找到信息，但没有运气)。

Answer 1

GPyOpt通过上下文原生地支持这一点。你描述你的函数的整个领域，然后在调用优化例程时用上下文字典固定一些变量的值。API看起来像这样：

myBopt.run_optimization(..., context={'var1': .3, 'var2': 0.4})

有关上下文优化的更多详细信息，请参阅此tutorial notebook。

Answer 2

我会从functools标准库中检出partial函数。它允许您部分指定一个函数，例如：

import GPyOpt
import numpy as np
from functools import partial


def f(x, y=0):
    return np.sin(x - y)


objective = partial(f, y=2)
space = [{'name': 'x', 'type': 'continuous', 'domain': (-5, 5)}]

opt = GPyOpt.methods.BayesianOptimization(
    objective, domain=space
)