感谢您阅读本文。我目前正在研究bayesoptimization问题，并按照教程。请参阅附件。bayesian optimization tutorial
在第11页中，关于采集功能。在我提出问题之前，我需要陈述我对贝叶斯优化的理解，看看是否有任何错误。
首先，我们需要采取一些训练点，并将它们视为多变量高斯分布。然后我们需要使用acquisiont函数来找到我们想要采样的下一个点。因此，例如我们使用x1 .... x（t）作为训练点，然后我们需要使用获取函数来找到x（t + 1）并对其进行采样。然后我们假设x1 .... x（t），x（t + 1）作为多变量高斯分布，然后使用获取函数来找到x（t + 2）来进行采样，依此类推。 在第11页中，似乎我们需要找到最大改进概率的x。 f（x +）来自样本训练点（x1 ... xt）并且易于获得。但是如何在这里获得u（x）和那种差异？我不知道eqaution中的x是什么。它应该是x（t + 1），但论文并没有这么说。如果它确实是x（t + 1），那我怎么能得到它的u（x（t + 1））？你可以说在第8页底部使用方程，但我们可以在找到x（t + 1）并将其置于多变量高斯分布的条件下使用该方程。现在我们不知道下一个点x（t + 1）是什么，所以在我看来我没办法计算。 我知道这是一个棘手的问题。谢谢你回答!!
答案 0 :(得分：0)
事实上我已经得到了答案。 实际上它是x（t + 1）。直接的方法是我们计算训练数据之外的其余x的每个u和varaince，并将其置于获取功能中以找出哪一个是最大值。 这很费时间。因此，我们使用像DIRECT这样的非线性优化来获得最大采集函数的x，而不是逐个尝试