Python 3.x 如何适应来自库贝叶斯优化的回归演示？

我正在根据自己的需要修改下一个演示代码。为了研究下一个简单的模型，我想修改演示代码

def型号（c、I、t）： 返回I*np.exp（-c*t）

我想将GP回归器调整到下一个目标函数：

def my_目标（t）：
返回模型（0.2,5,t）

下一个字典中给出了参数的变化范围：

pbounds={'c'：（0,0.4），'I'：（8,10），'t'：（0,10）}

高斯过程回归将在下一个对象中实例化

bo=BayesianOptimization（模型，pbounds，verbose=2，随机状态=1）

bo

如何接收到适合目标的信息

在演示中，通过调用该方法完成高斯过程调整

bo.最大化（初始点=0，n\u iter=5，kappa=5）

再一次，功能是如何连接到我的目标的

我试图用GPs重现这个例子

---

谢谢。

@KenWhite完成了。问题更新，谢谢you@KenWhite谢谢你的建议。我重新措辞了这个问题。好多了。：-）非常感谢。