从Skopt中的检查点恢复gp_minimize进程

Question

我想恢复gp进程，但收到奇怪的消息。我开始gp进程时只提供了x0和y0=None。我的初始点数是30，n_evals = 50。然后我加载结果，按照文档中的示例，我提供了x0和y0 (都是列表列表)，并运行相同的过程。(我已经重新启动了内核obv。)然而，即使在第12号评估之后，消息也是:迭代号: 13开始。在任意点对函数求值。它应该在哪里寻找下一个最佳点。

我做错了什么吗？

x0 = res.x_iters
y0 = res.func_vals


gp_res = gp_minimize(func=fitness,                             
                            dimensions=space,
                            n_calls=50,
                            n_jobs=-1,
                            n_initial_points=30,
                            initial_point_generator=lhs,
                            verbose=True,
                            acq_func='gp_hedge',
                            acq_optimizer='lbfgs',
                            n_restarts_optimizer=15,
                            y0=y0,
                            random_state=seed,
                            callback=[checkpoint_callback,delta_callback],
                            n_points=10000,   
                            kappa=1.96,      
                            xi=0.01,           
                            noise='gaussian',
                            model_queue_size=None,
                            x0=x0)

Answer 1

也有类似的问题。在寻找答案时，我在GitHub页面上偶然发现了这个问题：https://github.com/scikit-optimize/scikit-optimize/issues/949

建议的是“将n_initial_points的值设置为res0.x_iters中值数量的负数”，这似乎对我很有效。

在您的例子中，我假设它看起来是这样的：

x0 = res.x_iters
y0 = res.func_vals


gp_res = gp_minimize(func=fitness,                             
                            dimensions=space,
                            n_calls=50,
                            n_jobs=-1,
                          ->n_initial_points=-len(x0),
                            initial_point_generator=lhs,
                            verbose=True,
                            acq_func='gp_hedge',
                            acq_optimizer='lbfgs',
                            n_restarts_optimizer=15,
                            y0=y0,
                            random_state=seed,
                            callback=[checkpoint_callback,delta_callback],
                            n_points=10000,   
                            kappa=1.96,      
                            xi=0.01,           
                            noise='gaussian',
                            model_queue_size=None,
                            x0=x0)