scikit优化-基于序列模型的优化工具箱-使用样本权重扩展
scikit-optimize-w的Python项目详细描述
| logo
travis status
scikit-optimize-w是scikit optimize或"skopt"的分支，它是一个简单而高效的库，可以将（非常）昂贵且嘈杂的黑盒功能最小化。它实现了基于序贯模型的优化方法。`` skopt ``旨在
在许多环境中易于访问和使用。
库是建立在numpy、scipy和scikit learn之上的。
我们不执行基于梯度的优化。对于基于梯度的优化算法，请查看http://docs.scipy.org/doc/scipy/reference/optimize.html>；``uu.
``scipy.optimize`
`here<；http://docs.scipy.org/doc/scipy/reference/optimize.html>；``uu.
。图：：https://github.com/scikit optimize/scikit optimize/blob/master/media/bo objective.png
：alt：经过50次"gp-minimize"迭代后的近似目标函数。
使用"skopt.plots.plot-objective"绘制的图。
重要链接--——
-静态文档——`static
文档<；https://scikit optimize.github.io/>；` br/>-示例笔记本-可在
`示例目录<；https://github.com/scikit optimize/scikit optimize/tree/master/examples>；`-
https://github.com/scikit optimize/scikit optimize/issues
-releases-https://pypi.python.org/pypi/scikit optimize
install
----
scikit optimize的最新版本是v0.5.2，您可以使用以下命令安装
：
：
pip install scikit optimize-w
这将安装scikit optimize的基本版本。要安装带有绘图功能的scikit optimize
，您可以改为：
：
pip安装'scikit-optimize-w[plots]'
这将安装matplotlib和scikit optimize。
此外，还有一个'conda forge<；https://conda forge.org/>；``uu package
scikit optimize:
：：
conda install-c conda forge scikit-optimize-w
范围
`-2<；x<；2``带'skopt``：
…代码：：python
import numpy as np
在优化循环中，您可以使用"skopt.optimizer"`
类：
。代码：：python
opt=优化器（[（-2.0，2.0）]
ur`introduction to bayesian
optimization<；https://scikit optimization.github.io/notebooks/bayesian optimization.html>图书馆仍处于试验阶段，正在大力发展中。查看
下一个里程碑<；https://github.com/scikit optimize/scikit optimize/milestone/6>；`\uuc
了解下一个版本的计划，或查看一些"容易的问题"<；https://github.com/scikit-optimize/scikit-optimize/issues？Q=IS%3ASSUE+IS%3AOpen+Label%3EASY>；`
开始贡献。
可以通过以下方式安装开发版本：
：
git clone https://github.com/mimba/scikit optimize.git
cd scikit optimize
pip install-e.
executi运行所有测试ng``pytest``在顶层目录中。
短期运行时，可以使用"pytest-m"快速测试"`"（也可以使用"pytest-m"慢速测试）。若要排除所有运行缓慢的测试，请尝试"pytest-m"而不是"slow_test"`.
这是使用pytest"attributes"lt；https://docs.pytest.org/en/latest/mark.html>；``来实现的。如果测试运行时间超过1秒，则标记为慢速，否则标记为快速。
欢迎所有参与者！
通过标记一个新版本，travis将构建所有必需的包并将它们推送到pypi。若要发布，请创建新问题并执行以下检查表：
*更新"setup.py"中的版本标记
*更新"init.py"中的版本标记
*更新自述文件中提到的版本标记
*检查"setup.py"中的依赖项是否有效或需要取消绑定
*检查"changelog.md"是否为最新版本
*上一次主版本生成是否成功？
*创建一个"新版本"<；https://github.com/mimba/scikit optimize/releases>；`
*ping`conda forge<；https://github.com/conda forge/scikit optimize preduce>；`
在发布之前，我们通常会创建一个候选版本。如果下一个
版本是v0.x，则应在
``setup.py``和`````init.py``中将候选版本标记为v0.xrc1。在GitHub上标记一个候选发行版为"预发行版"
。
资源用于支付经验丰富的工程师和研究人员的额外工作。
图片：：https://avatars1.githubusercontent.com/u/18165687？v=4&s=128
：alt:wild tree tech
：目标：http://wildtreetech.com
…图片：：https://i.imgur.com/lgxbot5.jpg
：alt:nyu数据科学中心
：目标：https://cds.nyu.edu/
…图片：：https://i.imgur.com/v1vsivj.jpg
：alt:nsf
：目标：https://www.nsf.gov
…图片：：https://i.imgur.com/3enq6s8.jpg
：alt:northrop grumman
：target:http://www.northropgrumman.com/pages/default.aspx
圣
…|特拉维斯状态图像：：https://travis-ci.org/scikit-optimize/scikit-optimize.svg？branch=master
：目标：https://travis ci.org/scikit optimize/scikit optimize
。| Circleci状态图像：：https://circleci.com/gh/scikit-optimize/scikit-optimize/tree/master.svg？style=shield&circle token=：圆形标记
：目标：https://circleci.com/gh/scikit optimize/scikit optimize
…| logo图像：：https://avatars2.githubusercontent.com/u/18578550？V=4&S=80
。|活页夹图像：：https://mybinder.org/badge.svg
：目标：https://mybinder.org/v2/gh/scikit-optimize/scikit-optimize/master？文件路径=示例
…| gitter图像：：https://badges.gitter.im/scikit optimize/scikit optimize.svg
：目标：https://gitter.im/scikit optimize/lobby
。| zenodo doi image：：https://zenodo.org/badge/54340642.svg
：目标：https://zenodo.org/badge/latestdoi/54340642
travis status
scikit-optimize-w是scikit optimize或"skopt"的分支，它是一个简单而高效的库，可以将（非常）昂贵且嘈杂的黑盒功能最小化。它实现了基于序贯模型的优化方法。`` skopt ``旨在
在许多环境中易于访问和使用。
库是建立在numpy、scipy和scikit learn之上的。
我们不执行基于梯度的优化。对于基于梯度的优化算法，请查看http://docs.scipy.org/doc/scipy/reference/optimize.html>；``uu.
``scipy.optimize`
`here<；http://docs.scipy.org/doc/scipy/reference/optimize.html>；``uu.
。图：：https://github.com/scikit optimize/scikit optimize/blob/master/media/bo objective.png
：alt：经过50次"gp-minimize"迭代后的近似目标函数。
使用"skopt.plots.plot-objective"绘制的图。
重要链接--——
-静态文档——`static
文档<；https://scikit optimize.github.io/>；` br/>-示例笔记本-可在
`示例目录<；https://github.com/scikit optimize/scikit optimize/tree/master/examples>；`-
https://github.com/scikit optimize/scikit optimize/issues
-releases-https://pypi.python.org/pypi/scikit optimize
install
----
scikit optimize的最新版本是v0.5.2，您可以使用以下命令安装
：
：
pip install scikit optimize-w
这将安装scikit optimize的基本版本。要安装带有绘图功能的scikit optimize
，您可以改为：
：
pip安装'scikit-optimize-w[plots]'
这将安装matplotlib和scikit optimize。
此外，还有一个'conda forge<；https://conda forge.org/>；``uu package
scikit optimize:
：：
conda install-c conda forge scikit-optimize-w
范围
`-2<；x<；2``带'skopt``：
…代码：：python
import numpy as np
在优化循环中，您可以使用"skopt.optimizer"`
类：
。代码：：python
opt=优化器（[（-2.0，2.0）]
ur`introduction to bayesian
optimization<；https://scikit optimization.github.io/notebooks/bayesian optimization.html>图书馆仍处于试验阶段，正在大力发展中。查看
下一个里程碑<；https://github.com/scikit optimize/scikit optimize/milestone/6>；`\uuc
了解下一个版本的计划，或查看一些"容易的问题"<；https://github.com/scikit-optimize/scikit-optimize/issues？Q=IS%3ASSUE+IS%3AOpen+Label%3EASY>；`
开始贡献。
可以通过以下方式安装开发版本：
：
git clone https://github.com/mimba/scikit optimize.git
cd scikit optimize
pip install-e.
executi运行所有测试ng``pytest``在顶层目录中。
短期运行时，可以使用"pytest-m"快速测试"`"（也可以使用"pytest-m"慢速测试）。若要排除所有运行缓慢的测试，请尝试"pytest-m"而不是"slow_test"`.
这是使用pytest"attributes"lt；https://docs.pytest.org/en/latest/mark.html>；``来实现的。如果测试运行时间超过1秒，则标记为慢速，否则标记为快速。
欢迎所有参与者！
通过标记一个新版本，travis将构建所有必需的包并将它们推送到pypi。若要发布，请创建新问题并执行以下检查表：
*更新"setup.py"中的版本标记
*更新"init.py"中的版本标记
*更新自述文件中提到的版本标记
*检查"setup.py"中的依赖项是否有效或需要取消绑定
*检查"changelog.md"是否为最新版本
*上一次主版本生成是否成功？
*创建一个"新版本"<；https://github.com/mimba/scikit optimize/releases>；`
*ping`conda forge<；https://github.com/conda forge/scikit optimize preduce>；`
在发布之前，我们通常会创建一个候选版本。如果下一个
版本是v0.x，则应在
``setup.py``和`````init.py``中将候选版本标记为v0.xrc1。在GitHub上标记一个候选发行版为"预发行版"
。
资源用于支付经验丰富的工程师和研究人员的额外工作。
图片：：https://avatars1.githubusercontent.com/u/18165687？v=4&s=128
：alt:wild tree tech
：目标：http://wildtreetech.com
…图片：：https://i.imgur.com/lgxbot5.jpg
：alt:nyu数据科学中心
：目标：https://cds.nyu.edu/
…图片：：https://i.imgur.com/v1vsivj.jpg
：alt:nsf
：目标：https://www.nsf.gov
…图片：：https://i.imgur.com/3enq6s8.jpg
：alt:northrop grumman
：target:http://www.northropgrumman.com/pages/default.aspx
圣
…|特拉维斯状态图像：：https://travis-ci.org/scikit-optimize/scikit-optimize.svg？branch=master
：目标：https://travis ci.org/scikit optimize/scikit optimize
。| Circleci状态图像：：https://circleci.com/gh/scikit-optimize/scikit-optimize/tree/master.svg？style=shield&circle token=：圆形标记
：目标：https://circleci.com/gh/scikit optimize/scikit optimize
…| logo图像：：https://avatars2.githubusercontent.com/u/18578550？V=4&S=80
。|活页夹图像：：https://mybinder.org/badge.svg
：目标：https://mybinder.org/v2/gh/scikit-optimize/scikit-optimize/master？文件路径=示例
…| gitter图像：：https://badges.gitter.im/scikit optimize/scikit optimize.svg
：目标：https://gitter.im/scikit optimize/lobby
。| zenodo doi image：：https://zenodo.org/badge/54340642.svg
：目标：https://zenodo.org/badge/latestdoi/54340642
欢迎加入QQ群-->： 979659372
