空间填充与最佳 DOE对于混合物，经常使用空间填充 DOE；猜猜这些不是最佳的？ 那么这样做有什么好处呢？
为什么不对非混合物也使用空间填充来代替最佳 DOE？ 我正在准备能源部课程并期待这些问题，但到目前为止我还没有正确的答案。
实验设计回复：空间填充与最佳 DOE你好@弗兰克德鲁伊克,
空间填充设计和最优设计（无论是混合因素还是其他因素类型，都可以用于两种情况）是两种完全不同的 DOE 思维方式：基于模型与模型无关。
- 基于模型：这种类型的实验设计涉及先验地假设一个特定模型（具有主效应、相互作用项等），然后生成点以优化模型系数的估计。 这种方法假定特定的模型形式，并且当底层模型众所周知或存在有关所研究的系统的先验知识时非常有用。它可能需要更少的点，如果您想轻松获得可解释/可解释的结果，特别建议您这样做。
例子：我的回答 Y 很大程度上受到因素 A 和 B 的统计显着性主效应以及 A 和 B 之间的统计显着性 2 因素交互作用的影响。
- 与模型无关: 这种类型的实验设计涉及在实验空间中均匀/同质（随机）分布点，然后将不同的模型拟合到这些点以获得最佳预测模型。 这种方法可能需要大量的点，具体取决于测试模型的复杂性（回归、SVM、神经网络、基于树的模型……），不假设任何特定模型，并且当底层模型是未知或复杂。 但这种方法可能对噪声敏感，并且使用 ML 模型可能会导致过度拟合的情况......
两种方法都有其优点和缺点。 与模型无关的设计对于模型错误指定更加灵活和稳健（因为它们不需要任何错误指定），但它们可能需要更多数据才能达到与基于模型的设计相当的精度。 基于模型的设计可以更高效并且需要更少的数据，但它们更容易受到模型错误指定的影响，并且在面对复杂或未知的基础模型时可能不太稳健。
这两种 DoE 思维方式之间的评估也可能有所不同，更强调优化设计（响应曲面模型和混合设计除外）的统计显着性，而不是模型不可知设计（您的模型）的预测准确性（RMSE 和其他预测性能指标）。试图在您的实验空间中做出最佳预测，而不是在模型中找到重要因素或术语）。
请在下面找到我就这个特定主题提供的演示文稿中的幻灯片，我希望它能帮助您使学生轻松/容易理解：
我希望这个答案对你有帮助:)
回复：空间填充与最佳 DOE维克多的回答非常好，谢谢！
我还期待另一个问题：何时使用最终筛选而不是最佳/自定义 DOE？ 我对此没有直接的答案，老实说我总是使用自定义。
回复：空间填充与最佳 DOE回到第一个问题，我知道空间填充对于混合物非常有用，因为由于非线性混合效应，底层模型可能非常复杂，对吧？
回复：空间填充与最佳 DOE只是为了补充 Victor 的出色解释（尽管它可能不是对 OP 的具体答案），这些方法不必是相互排斥的。可以从模型的一些知识开始，同时和/或顺序研究未知数。从基于主题知识的假设模型开始，获取数据来支持或拒绝这些假设，然后迭代地进行交替调查（如果假设不能很好地解释/预测数据）或扩大空间（如果可以的话），这种情况并不罕见。我想我们都首先寻找有效的方法，然后才是有效的方法（例如，最优性）。很大程度上取决于我们所知道的（或认为我们知道的），然后获取数据来测试这些知识。我认为“挑战”模型并确定它失败的地方，而不仅仅是它有效的地方，是一个好主意。
回复：空间填充与最佳 DOE混合物的问题是对多个因素水平设置的依赖性（即因素不能独立变化）。由于存在限制，因此需要考虑这些限制。空间填充设计提供数据来创建曲面（例如等高线图），以评估所选设计空间中的性能。
回复：空间填充与最佳 DOE完全同意你的观点@statman ，根据产品/过程的目标和信息，可以顺序使用两种设计方法：首先使用基于模型的最优方法筛选因素，然后使用与模型无关的方法来优化预测模型非线性响应。
以下是 Synthace 的一张幻灯片，介绍了不同的设计及其可能的互补性：
回复：空间填充与最佳 DOE我从不总是使用...哈哈，在某些情况下，您试图让学生相信实验设计方法（例如与 OFAT 相比）的力量，但又不会使其过于混乱。定制设计选项虽然极其灵活，但使用起来却充满挑战。有很多选项需要理解。
在所有情况下，使用的“最佳”方法可能不会先验地知道。尽职调查，制定多个计划，并根据每个计划所需的资源评估从每个计划中获得的潜在知识。根据您将要迭代的基本想法进行选择。
回复：空间填充与最佳 DOE你好@弗兰克德鲁伊克,
确定性筛选设计是非常有趣的筛选设计，如果满足某些条件，它们可能非常有用。 有一篇很棒的博客文章@布拉德利琼斯它提供了有关何时/何处使用 DSD 的更多见解和解释：
https://community.jmp.com/t5/JMP-Blog/Proper-and-improper-use-of-Definitive-Screening-Designs-DSDs/bc-p/541512#M4392
回复：空间填充与最佳 DOE您好，Victor，确定性筛选设计是最佳 DOE 的特例，其中 t 的说法是否正确？基本条件需要满足：（1）所有主效应都是正交的，并且不与其他模型效应（纯）混杂，并且（2）二次效应和交互效应之间没有混叠。 正确的？
回复：空间填充与最佳 DOE你好@弗兰克德鲁伊克,
明确筛选设计是一种“教科书”（经典）设计，用于涉及大量因素的筛选案例，并且可以测试交互作用和二次效应，遵循 DoE 的基本原则：效应稀疏性、效应层次和效应遗传。 我不会将此设计归类为“最佳”设计，因为结构是“固定的”（此设计筛选的术语也是如此）。
关于你的条件，
- 主效应彼此完全正交，与双因素相互作用和二次效应完全正交。
- 不，二次效应和交互效应之间存在别名：
以下是 Tom Donelly 的演讲摘录，内容涉及我之前附上的 DSD 的理想特性：
我希望这个答案能帮助你。
您还可以在 JMP 社区中搜索 Bradley Jones 关于 DSD 的演示，他清楚地演示了何时/何地使用 DSD，以及要满足的条件（只有连续的和少量的 2 级分类因素，因素数量较多，没有限制）实验空间，容易改变的因素，...）。
回复：空间填充与最佳 DOE谢谢维克多，这很清楚。 与布拉德利·琼斯在社区进行有趣的讨论！
