基于贝叶斯优化和电子鼻的葡萄酒分类方法

摘要

本发明涉及一种基于贝叶斯优化和电子鼻的葡萄酒分类方法，包括以下步骤：S1.LightGBM算法，采用Leaf‑wise建树方法，在建树时，每次都从当前所有叶子中找到分裂增益最大的叶子，然后分裂，如此循环；LightGBM使用最大树深度对树进行修剪，避免过度拟合；S2.贝叶斯优化算法：S3.BO‑LightGBM的搭建利用贝叶斯超参数寻优算法对LightGBM的超参数进行自寻优调节；贝叶斯优化利用概率模型代理复杂优化函数，概率模型中引入了待优化目标的先验，模型能有效减少不必要的采样；本发明的有益效果是：贝叶斯优化通过构造待优化函数的概率模型，利用概率模型决定下一个评估点的优化方法，在一些全局优化问题上实现了最先进的结果，是超参数寻优更好的解决方案。