貝葉斯最佳化－匯出底層模型你好，
我一直很喜歡嘗試新的貝葉斯優化平台。不過，我想把結果和一些機器學習模型的結果做比較。我看到輸出結果中確實有「留一法」R²，但這真的是基於隨機選取的一行資料嗎？還是說在後台對資料集進行了訓練集和驗證集的分割？我能知道具體是哪一行（或哪些行）被選作了保留行嗎？
另外，能否查看實際的模型？我使用了“保存所有模型擬合”和“保存腳本以供下次迭代”功能，但我不確定這些是否是完整的模型。我想看看模型對新數據的預測效果如何，儘管我知道這可能不是平台的主要功能。
或者，我能否將最優高斯過程模型「載入」到高斯過程中？我目前還沒有找到簡單的方法，尤其是我有多個θ值，但如果我能在高斯過程平台運行產生的最優高斯過程，這或許就能解決所有這些問題！
進階統計建模回覆：貝葉斯優化－匯出底層模型你好@abmayfield ，
由於目前關於貝葉斯優化的文檔非常有限，因此可能很難回答您的問題。
經典高斯過程 (GP) 和基於貝葉斯優化的高斯過程 (GP-OB) 的 GP 的擬合/驗證策略似乎有所不同：前者是貝葉斯優化高斯過程，後者是獨立高斯過程。雖然兩個平台都使用了留一法交叉驗證 (Leave-One-Out) 策略，但結果的聚合方式可能不同：經典高斯過程使用刀切法 (Jackknife)，而基於貝葉斯優化的高斯過程則使用經典的留一法交叉驗證。
我也覺得無法保存 OB 模型中的預測公式很令人沮喪。不過，我找到了一個近似 OB 平台模型的變通方法：由於可以從 OB 平台（在 Gaussian Process 模型報告中）存取參數值，我重新啟動了經典 Gaussian Process 平台，但強制使用 OB 模型中的 theta 值。這並不完美，因為兩個模型的截距會不同，但至少我能夠近似地得到 OB 平台中的預測模型。
希望第一個回答能對您有幫助。
回覆：貝葉斯優化－匯出底層模型感謝您的想法。雖然能看到底層模型仍然很有幫助，但我認為，只要我添加一些額外數據（作為驗證），重新運行模型（或生成一個新模型），並且擬合優度和最優解都沒有太大變化，我就可以得出結論，這個模型是好的。相反，如果我添加了一些新數據，而新的解完全不同，我會得出結論，舊模型存在問題，並接受新模型（無論如何都會產生新模型）。但我確實希望能夠保留多個樣本，或許如果我進行足夠多的迭代，我就能更了解實際的驗證 R² 值（？）。
