Interaktiver Explainer
Interaktiv: Bayessche Optimierung: Welchen Versuch als Nächstes?
Bayessche Optimierung wählt neue Versuche mithilfe eines probabilistischen Ersatzmodells. Eine Akquisitionsfunktion verbindet erwartete Verbesserung mit Unsicherheit, damit teure Auswertungen gezielt eingesetzt werden können.
Interaktiv: Bayessche Optimierung: Welchen Versuch als Nächstes?
Verändern Sie Glattheit und Explorationsanreiz, und lassen Sie den jeweils nächsten Vorschlag auswerten. Der Gaußprozess wird nach jedem Versuch neu berechnet.
Die Anzeige lesen
Drei Startpunkte sind bereits gemessen. Die Hauptlinie zeigt den erwarteten Funktionswert des Gaußprozesses; gestrichelte Linien zeigen punktweise Modellunsicherheit. Die Beobachtungspunkte und Tabelle enthalten nur tatsächlich ausgewertete Stellen der synthetischen Funktion. Die feine Verbindung zwischen Punkten dient der Orientierung, nicht als weiteres Vorhersagemodell.
Der Text nennt den besten bisher gemessenen Wert, die nächste Einstellung und ihre Expected Improvement. Nicht jede Auswertung verbessert den Rekord. Ein neuer Punkt kann sinnvoll sein, weil er die Unsicherheit in einem vielversprechenden Gebiet verringert.
Drei Experimente
- Schrittweise suchen: Lassen Sie fünf zusätzliche Vorschläge berechnen. Beobachten Sie, wo die Unsicherheit kleiner wird und wie sich die Vorschläge verschieben.
- Glattheit verändern: Setzen Sie zurück und vergleichen Sie eine kurze mit einer langen Längenskala. Das Modell überträgt Beobachtungen unterschiedlich weit auf ungetestete Bereiche.
- Mehr Erkundungsanreiz: Vergleichen Sie bei gleichen Startpunkten mit . Die Akquisitionsfunktion verändert die Priorität möglicher Versuche.
„Zurücksetzen“ stellt die drei Startpunkte, Längenskala 0,18 und wieder her. Nach 20 Versuchen ist die Schaltfläche deaktiviert. Alle Berechnungen sind lokal; es werden keine externen Experimente ausgelöst. Die ausführliche Erklärung beschreibt Kernel, Expected Improvement und die Grenzen dieser eindimensionalen Suche.