Оптимизация одного входа в модель ML для максимизации общего прогноза

Я хочу запустить задачу оптимизации для этой простой модели в наборе данных mtcars, который предсказывает mpg с учетом других числовых характеристик. Идея состоит в том, чтобы использовать построенную модель в качестве целевой функции, и мы хотим найти оптимальные значения для цил по обучающему набору, чтобы общая сумма прогнозов миль на галлон для этого обучающего комплекта была максимальной.

Таким образом, постановка задачи будет, скажем, распределять значения цил, которые могут находиться в диапазоне от 2 до 10 (целое число), и существует ограничение, когда общая сумма выделенного цил равна, скажем, 50, который максимизирует общее «пред» (или общее mpg на тренировочном наборе)?

Изучал функцию optim, но не был уверен, что она сработает здесь.

data(mtcars)
head(mtcars)
library(xgboost)

# create model
bst = xgboost(data=as.matrix(mtcars[,-1]),label=mtcars[,1],
              objective='reg:linear',nrounds=5)

pred = predict(bst,as.matrix(mtcars[,-1]))

Направление на любые подходящие пакеты на Python или R или на небольшое рабочее решение на любом языке было бы замечательно.

1
задан Drendar 27 June 2019 в 18:00
поделиться