ValueError при использовании байесовской оптимизации по модели scikit GP

Question

Я использую регрессию гауссовского процесса с 4 входами и одним выходом. Цель состоит в том, чтобы найти оптимальный X, выполнив байесовскую оптимизацию по подобранной модели.

Я подхожу к модели следующим образом:

kernel = C(1.0, (1e-4, 1e4))*RBF(1.0,(1e-3,1e3))
model = GaussianProcessRegressor(kernel = kernel, n_restarts_optimizer = 10,optimizer='fmin_l_bfgs_b')           
model.fit(X,Y)

До сих пор я использовал это для оптимизации:

bayesian_optimization = gp_minimize(lambda x: -model.predict(np.array([x])[0]),   
                        [(0.0, 7.0), (0.0, 7.0),(0.0, 7.0),(0.0, 7.0)],                                        
                        acq_func="EI",                                         
                        n_calls=15,                                            
                        n_random_starts=5,                                     
                        random_state=1234)

Я получаю следующую ошибку:

ValueError: Expected 2D array, got 1D array instead:
array=[3.48364567 5.72486909 4.28478326 5.39951943].
Reshape your data either using array.reshape(-1, 1) if your data has a single feature or array.reshape(1, -1) if it contains a single sample.

Не уверен, можно ли вообще решить проблему, я уже пробовал:

bayesian_optimization = gp_minimize(lambda x: -model.predict(np.array([x]).reshape(1,-1)[0]),   
                        [(0.0, 7.0), (0.0, 7.0),(0.0, 7.0),(0.0, 7.0)],                                        
                        acq_func="EI",                                         
                        n_calls=15,                                            
                        n_random_starts=5,                                     
                        random_state=1234)                                     

а также

bayesian_optimization = gp_minimize(lambda x: -model.predict(np.array([x]).reshape(-1, 1)[0]),   
                        [(0.0, 7.0), (0.0, 7.0),(0.0, 7.0),(0.0, 7.0)],                                        
                        acq_func="EI",                                         
                        n_calls=15,                                            
                        n_random_starts=5,                                     
                        random_state=1234)     

но безуспешно. Есть идеи, как решить такую ​​проблему?

Answer 1

В первом варианте вы позвонили model.predict(np.array([x])[0]), который не работает, когда вы передаете одномерный массив методу прогнозирования. Вместо этого вам нужно model.predict(np.array([x]))[0].

Было бы проще обнаружить эту ошибку, используя неанонимную целевую функцию, например

      def objective(x):
    x = np.array([x])
    return - model.predict(x)[0]