参数取值为集合中的数据

[nebula303]

我想使参数C1 在集合 {3.6, 4.0, 4.4, 4.8, 5.2, 5.6, 6.0, 7.0, 8.0}中任取一个，我尝试这样写：C1 = sp.Categorical("C1", [3.6, 4.0, 4.4, 4.8, 5.2, 5.6, 6.0, 7.0, 8.0])，但应该出问题了，想请问下应该如何书写

[Huaijun Jiang]

我尝试了您的定义方式，没有遇到问题，请问出现了什么问题？代码如下:

from openbox import space as sp

cs = sp.Space()
C1 = sp.Categorical("C1", [3.6, 4.0, 4.4, 4.8, 5.2, 5.6, 6.0, 7.0, 8.0])
cs.add_variable(C1)
print(cs.sample_configuration(3))

此外，由于您的数值可能存在偏序关系，我建议您尝试用Int定义超参数，然后在objective_function中解析该参数，可能模型会获得更好的拟合效果:

from openbox import space as sp

cs = sp.Space()
C1_idx = sp.Int("C1_idx", 0, 8)
cs.add_variable(C1_idx)

for i in range(10):
    config = cs.sample_configuration()
    # parse config in objective function
    C1_values = [3.6, 4.0, 4.4, 4.8, 5.2, 5.6, 6.0, 7.0, 8.0]
    c1 = C1_values[config['C1_idx']]
    print(c1)

[nebula303]

感谢，第二种方法成功了，我意识到，第一种方法报错是因为我尝试使用config['C1']来获取C1，有什么方法可以直接获取吗

[Huaijun Jiang]

以下代码不会产生问题，建议您提供错误代码:

from openbox import space as sp

cs = sp.Space()
C1 = sp.Categorical("C1", [3.6, 4.0, 4.4, 4.8, 5.2, 5.6, 6.0, 7.0, 8.0])
cs.add_variable(C1)
for i in range(10):
    config = cs.sample_configuration()
    print(config['C1'])

[nebula303]

抱歉，我缺少这句config = cs.sample_configuration( )（😂），因为以往我直接用的sp.Real( )，没有注意这一点，再次感谢

[Huaijun Jiang]

我对您的说法感到疑惑，objective_function传入的参数即为config ，这与Real还是Categorical并无关系。

[nebula303]

是这样，以下是我原先的代码
`
import matplotlib.pyplot as plt
import numpy as np
from openbox import sp
from openbox import sp

space=sp.ConditionedSpace()
C1 = sp.Categorical("C1", [3.6, 4.0, 4.4, 4.8, 5.2, 5.6, 6.0, 7.0, 8.0])
C2 = sp.Categorical("C2", [3.6, 4.0, 4.4, 4.8, 5.2, 5.6, 6.0, 7.0])
C3 = sp.Categorical("C3", [3.6, 4.0, 4.4, 4.8, 5.2, 5.6])
space.add_variables([C1,C2,C3])

def f(config):
C1, C2, C3 = config['C1'], config['C2'], config['C3']
print(C1)
return C1+C2+C3

from openbox import Optimizer

opt = Optimizer(
f,
space,
num_constraints=1,
num_objs=1,
surrogate_type='prf',
acq_optimizer_type='random_scipy',
max_runs=50,
time_limit_per_trial=10,
task_id='soc',
random_state=42,
)
history = opt.run()
history = opt.get_history()
print(history)
history.plot_convergence()
plt.show()而这样会报错，因为我在 f 函数中没有写config = space.sample_configuration( ) ![image](https://user-images.githubusercontent.com/72639142/204503147-cc020d9a-4084-40cf-8bac-b8850021ee8e.png) 而如果使用sp.Real( )，则不需写config = space.sample_configuration()，而这也是我一直以来的操作，如以下代码，就不会报错import matplotlib.pyplot as plt
import numpy as np
from openbox import sp
from openbox import sp

space=sp.ConditionedSpace()
C1 = sp.Real("C1", 3.6, 8)
C2 = sp.Real("C2", 3.6, 7)
C3 = sp.Real("C3", 3.6, 5.6)
space.add_variables([C1,C2,C3])

def f(config):
C1, C2, C3 = config['C1'], config['C2'], config['C3']
print(C1)
return C1+C2+C3

from openbox import Optimizer

opt = Optimizer(
f,
space,
num_constraints=1,
num_objs=1,
surrogate_type='prf',
acq_optimizer_type='random_scipy',
max_runs=50,
time_limit_per_trial=10,
task_id='soc',
random_state=42,
)
history = opt.run()
history = opt.get_history()
print(history)
history.plot_convergence()
plt.show()`

[Huaijun Jiang]

注意：不要在目标函数f中加入config = space.sample_configuration()，这句话的意思是进行随机采样，会导致目标函数评估了一个任意的config。

以上代码有如下问题：

1. 在Optimizer中设置了num_constraints=1，而评估时并未返回约束值。如需定义约束，请返回字典：dict(objs=[c1+c2+c3], constraints=[...])
2. 使用acq_optimizer_type='random_scipy'时，根据错误提示，该优化器不支持Categorical类型变量！建议使用上面的Int方式进行定义，或者使用acq_optimizer_type='local_random'

[nebula303]

感谢提醒，第一处是因为我复制的源代码作为例子，没有完全更改，现在我是这样写的

如果不能在目标函数f 中加入config = space.sample_configuration()，该如何进行修改呢

[Huaijun Jiang]

请务必删除config = space.sample_configuration()。
按照上面的这种Int定义方式，应该不会出现问题。如果使用Categorical定义变量，目前需要设置acq_optimizer_type为'local_random'或'auto'，后续我们可能会对'random_scipy'进行改进以支持Categorical。

[nebula303]

明白，感谢