ベイズ最適化 - 基礎モデルのエクスポートこんにちは、
新しいベイズ最適化プラットフォームをいろいろ試していて、とても楽しいです。しかし、いくつかの機械学習モデルの結果と比較したいと思っています。出力を見ると「leave-on-out」R2が得られているようですが、これは本当にランダムな1行に基づいているのでしょうか？それとも、データセットを「裏で」トレーニング用と検証用の部分に分割しているのでしょうか？どの行がホールドバックとして選択されたのかを知ることはできますか？
また、実際のモデルを見ることは可能ですか？「すべてのモデル適合を保存」と「次の反復処理のためにスクリプトを保存」を使用しましたが、これらが完全なモデルかどうかわかりません。モデルが新しいデータをどれだけ正確に予測できるかを確認したいのですが、このプラットフォームの本来の目的とは異なるかもしれません。
あるいは、最適なGPモデルをガウス過程に「ロード」することは可能でしょうか？特に複数のシータがあるため、それを実行する簡単な方法はわかりませんが、GPプラットフォームで生成された最適なGPを実行できれば、これらの問題や疑問はすべて解決されるかもしれません。
高度な統計モデリングRe: ベイズ最適化 - 基礎モデルのエクスポートこんにちは@abmayfieldさん、
現時点ではベイズ最適化に関するドキュメントが非常に限られているため、質問に答えるのは難しいかもしれません。
古典的なGPとOBからのGPでは、フィッティング/検証戦略が異なるようです。 ベイズ最適化GPとスタンドアロンGPです。Leave-One-Out戦略はどちらのプラットフォームでも使用されますが、結果の集約方法は異なる可能性があります。古典的なGPではジャックナイフ法、GP-OBでは古典的なLOO法です。
OBモデルの予測式を保存できないのも困りものです。OBプラットフォームで使用されているモデルを近似する回避策を見つけました。OBプラットフォームのパラメータ値（ガウス過程モデルレポート内）にアクセスできるので、従来のガウス過程プラットフォームを再起動し、OBモデルのシータ値を適用しました。2つのモデル間で切片が異なるため完璧ではありませんが、少なくともOBプラットフォームの予測モデルを近似することはできます。
この最初の回答がお役に立てれば幸いです。
Re: ベイズ最適化 - 基礎モデルのエクスポートご意見ありがとうございます。基礎モデルを確認できたり、入手できたりするのは良いのですが、検証の一環として追加データを追加し、モデルを再実行（または新規モデルを生成）した上で、適合度も最適解もあまり変化がなければ、モデルは良好だと結論付けると思います。逆に、新しいデータを追加した結果、全く異なる解が得られた場合は、古いモデルに問題があったと判断し、新しいモデル（いずれにせよ生成されるもの）を受け入れるでしょう。ただ、サンプルを複数残しておけば良かったのですが、十分な反復処理を行えば、実際の検証R2（？）をより正確に把握できるかもしれません。
