SMAC

RunHistoryLogScaledEncoder 基类： AbstractRunHistoryEncoder

通过重载 _build_matrix() 方法实现

ConfigSelector

• 通过 self._collect_data() 实现收集
• 通过 self._get_x_best() 实现选取最优点 (X,y) 单目标 cost 数据

MultiObjectiveModel

它不是自己可以直接预测多个目标，而是内部包含 len(multi_objectives) 个小的机器学习模型，分别预测每个目标

1. 单独训练每个模型
2. 单独预测每一个目标
3. 多个模型的预测结果合在一起 –> 多目标预测

1. 和 v1.3.4 一样，通过 multi_objective_algorithm 实现把多目标（Y）合成单个目标 cost (y)

2. 虽然提供了一个 MultiObjectiveModel, 但是没有提供成套的， 训练 + =预测=​基础工具支持

   • X, y = ConfigSelector._collect_data() 收集到的数据是单目标 cost, X, y

     • ConfigSelector._model.train 训练的是单cost y 的数据

   • incumbent_x_array, incumbent_value ConfigSelector._get_x_best(X)

     • 收集到的y, 内部也没有做多目标的检查和转换成单目标处理流程

1. SMBO.ask() 生成 config

2. SMBO._add_results() 添加样本点（执行结果）

   • SMBO.tell()