NUBO：一个透明的贝叶斯优化Python包
机器学习
2026-04-29 v4 数学软件
机器学习
摘要
NUBO是Newcastle University Bayesian Optimisation（纽卡斯尔大学贝叶斯优化）的缩写，是一个用于优化昂贵评估的黑盒函数（如物理实验和计算机模拟器）的贝叶斯优化框架。贝叶斯优化是一种高性价比的优化策略，它通过高斯过程进行代理建模来表示目标函数，并利用采集函数引导候选点的选择以逼近目标函数的全局最优值。NUBO本身专注于透明性和用户体验，使来自所有学科的研究人员都能轻松使用贝叶斯优化。清晰易懂的代码、精确的参考文献和详尽的文档确保了透明性，而模块化灵活的设计、易写的语法以及对贝叶斯优化算法的精心筛选则确保了用户体验。NUBO允许用户通过使用所提供的构建模块自行编写优化循环，将贝叶斯优化定制到其特定问题上。它支持有界、约束和/或混合（离散与连续）参数输入空间的顺序单点、并行多点以及异步优化。NUBO仅包含经过广泛测试和验证表现良好的算法与方法。这确保了包保持紧凑，不会以过多不必要的选项使用户不堪重负。该包用Python编写，但优化您的模拟器和实验并不需要Python的专家知识。NUBO以BSD 3-Clause许可证作为开源软件分发。
引用
@article{arxiv.2305.06709,
title = {NUBO: A Transparent Python Package for Bayesian Optimization},
author = {Mike Diessner and Kevin J. Wilson and Richard D. Whalley},
journal= {arXiv preprint arXiv:2305.06709},
year = {2026}
}