Optimisation Bayésienne sur python
Bonjour à tous !
Je suis novice en programmation et j’ai lu avec intérêt l’exemple d’algorithme bayésien décrit sur cette page :
https://github.com/fmfn/BayesianOpti...lization.ipynb
J’ai une interrogation…
Dans cet exemple, il y a une fonction «target» qui permet de simuler une fonction inconnue (celle dont on cherche le maximum). Cette fonction est appelée dans la ligne :
Code:
optimizer = BayesianOptimization(target, {'x': (-2, 10)}, random_state=27)
Dans la pratique, pour un système physique, les points évalués peuvent provenir d’essais. Comment gérer ce problème ? J’imagine que l’on peut utiliser une liste que l’on remplie progressivement avec les résultats obtenus à l’issue d’essais dont le paramètre à régler est donné par l’algorithme à l’issue d’une itération.
Si c’est le cas, comment implémenter cette liste qui est dynamique (elle se remplit à chaque itération) alors que l'argument est une fonction ?
Merci beaucoup pour votre aide !
