Machine learning 机器学习中的贝叶斯优化

谢谢你阅读这篇文章。我目前正在研究贝叶斯优化问题，并遵循教程。请看附件

第11页，关于采集功能。在我提出问题之前，我需要陈述我对贝叶斯优化的理解，看看是否有任何错误

首先，我们需要取一些训练点，并假设它们是多变量高斯分布。然后我们需要使用acquisiont函数来找到下一个要采样的点。例如，我们使用x1…x（t）作为训练点，然后我们需要使用采集函数来找到x（t+1）并对其进行采样。然后我们假设x1…x（t），x（t+1）为多变量高斯分布，然后使用采集函数找到x（t+2）进行采样，以此类推。 在第11页，我们似乎需要找到最大改善概率的x。f（x+）来自样本训练点（x1…xt），很容易获得。但是如何得到u（x）和这个方差呢？我不知道等式中的x是什么。它应该是x（t+1），但论文没有这么说。如果它确实是x（t+1），那么我怎么能得到它的u（x（t+1））？你可以在第8页的底部说使用方程，但我们可以在找到x（t+1）并将其放入多变量高斯分布的条件下使用该方程。现在我们不知道下一个点x（t+1）是什么，所以我认为我没有办法计算。

---

我知道这是一个棘手的问题。谢谢你的回答

事实上我已经得到了答案。 确实是x（t+1）。直接的方法是我们计算训练数据之外其余x的每一个u和方差，并将其放入采集函数中，以找出哪一个最大。 这很费时。因此，我们使用像DIRECT这样的非线性优化来获得最大捕获函数的x，而不是逐个尝试