空間填充與最佳 DOE對於混合物，經常使用空間填充 DOE；猜猜這些不是最佳的？ 那麼這樣做有什麼好處呢？
為什麼不對非混合物也使用空間填充來代替最佳 DOE？ 我正在準備能源部課程並期待這些問題，但到目前為止我還沒有正確的答案。
實驗設計回复：空間填充與最佳 DOE你好@弗蘭克德魯伊克,
空間填充設計和最優設計（無論是混合因素還是其他因素類型，都可以用於兩種情況）是兩種完全不同的 DOE 思維方式：基於模型與模型無關。
- 基於模型：這種類型的實驗設計涉及先驗地假設一個特定模型（具有主效應、相互作用項等），然後生成點以優化模型係數的估計。 這種方法假定特定的模型形式，並且當底層模型眾所周知或存在有關所研究的系統的先驗知識時非常有用。它可能需要更少的點，如果您想輕鬆獲得可解釋/可解釋的結果，特別建議您這樣做。
例子：我的回答 Y 很大程度上受到因素 A 和 B 的統計顯著性主效應以及 A 和 B 之間的統計顯著性 2 因素交互作用的影響。
- 與模型無關: 這種類型的實驗設計涉及在實驗空間中均勻/同質（隨機）分佈點，然後將不同的模型擬合到這些點以獲得最佳預測模型。 這種方法可能需要大量的點，具體取決於測試模型的複雜性（回歸、SVM、神經網絡、基於樹的模型……），不假設任何特定模型，並且當底層模型是未知或複雜。 但這種方法可能對噪聲敏感，並且使用 ML 模型可能會導致過度擬合的情況......
兩種方法都有其優點和缺點。 與模型無關的設計對於模型錯誤指定更加靈活和穩健（因為它們不需要任何錯誤指定），但它們可能需要更多數據才能達到與基於模型的設計相當的精度。 基於模型的設計可以更高效並且需要更少的數據，但它們更容易受到模型錯誤指定的影響，並且在面對複雜或未知的基礎模型時可能不太穩健。
這兩種 DoE 思維方式之間的評估也可能有所不同，更強調優化設計（響應曲面模型和混合設計除外）的統計顯著性，而不是模型不可知設計（您的模型）的預測準確性（RMSE 和其他預測性能指標）。試圖在您的實驗空間中做出最佳預測，而不是在模型中找到重要因素或術語）。
請在下面找到我就這個特定主題提供的演示文稿中的幻燈片，我希望它能幫助您使學生輕鬆/容易理解：
我希望這個答案能幫助你:)
回复：空間填充與最佳 DOE維克多的回答非常好，謝謝！
我還期待另一個問題：何時使用最終篩選而不是最佳/自定義 DOE？ 我對此沒有直接的答案，老實說我總是使用自定義。
回复：空間填充與最佳 DOE回到第一個問題，我知道空間填充對於混合物非常有用，因為由於非線性混合效應，底層模型可能非常複雜，對吧？
回复：空間填充與最佳 DOE只是為了補充 Victor 的出色解釋（儘管它可能不是對 OP 的具體答案），這些方法不必是相互排斥的。可以從模型的一些知識開始，同時和/或順序研究未知數。從基於主題知識的假設模型開始，獲取數據來支持或拒絕這些假設，然後迭代地進行交替調查（如果假設不能很好地解釋/預測數據）或擴大空間（如果可以的話），這種情況並不罕見。我想我們都首先尋找有效的方法，然後才是有效的方法（例如，最優性）。很大程度上取決於我們所知道的（或認為我們知道的），然後獲取數據來測試這些知識。我認為“挑戰”模型並確定它失敗的地方，而不僅僅是它有效的地方，是一個好主意。
回复：空間填充與最佳 DOE混合物的問題是對多個因素水平設置的依賴性（即，因素不能獨立變化）。由於存在限制，因此需要考慮這些限制。空間填充設計提供數據來創建曲面（例如等值線圖），以評估所選設計空間中的性能。
回复：空間填充與最佳 DOE完全同意你的觀點@statman ，根據產品/過程的目標和信息，可以順序使用兩種設計方法：首先使用基於模型的最優方法篩選因素，然後使用與模型無關的方法來優化預測模型非線性響應。
以下是 Synthace 的一張幻燈片，介紹了不同的設計及其可能的互補性：
回复：空間填充與最佳 DOE我從不總是使用...哈哈，在某些情況下，您試圖讓學生相信實驗設計方法（例如與 OFAT 相比）的力量，但又不會使其過於混亂。定制設計選項雖然極其靈活，但使用起來卻充滿挑戰。有很多選項需要理解。
在所有情況下，使用的“最佳”方法可能不會先驗地知道。盡職調查，制定多個計劃，並根據每個計劃所需的資源評估從每個計劃中獲得的潛在知識。根據您將要迭代的基本想法進行選擇。
回复：空間填充與最佳 DOE你好@弗蘭克德魯伊克,
確定性篩選設計是非常有趣的篩選設計，如果滿足某些條件，它們可能會非常有用。 有一篇很棒的博客文章@布拉德利瓊斯它提供了有關何時/何處使用 DSD 的更多見解和解釋：
https://community.jmp.com/t5/JMP-Blog/Proper-and-improper-use-of-Definitive-Screening-Designs-DSDs/bc-p/541512#M4392
回复：空間填充與最佳 DOE您好，Victor，確定性篩選設計是最佳 DOE 的特例，其中 t 的說法是否正確？基本條件需要滿足：（1）所有主效應都是正交的，並且不與其他模型效應（純）混雜，並且（2）二次效應和交互效應之間沒有混疊。 正確的？
回复：空間填充與最佳 DOE你好@弗蘭克德魯伊克,
明確篩選設計是一種“教科書”（經典）設計，用於涉及大量因素的篩選案例，並且可以測試交互作用和二次效應，遵循 DoE 的基本原則：效應稀疏性、效應層次和效應遺傳。 我不會將此設計歸類為“最佳”設計，因為結構是“固定的”（此設計篩選的術語也是如此）。
關於你的條件，
- 主效應彼此完全正交，與雙因素相互作用和二次效應完全正交。
- 不，二次效應和交互效應之間存在別名：
以下是 Tom Donelly 的演講摘錄，內容涉及我之前附上的 DSD 的理想特性：
我希望這個答案能幫助你。
您還可以在 JMP 社區中搜索 Bradley Jones 關於 DSD 的演示，他清楚地演示了何時/何地使用 DSD，以及要滿足的條件（只有連續的和少量的 2 級分類因素，因素數量較多，沒有限制）實驗空間，容易改變的因素，...）。
回复：空間填充與最佳 DOE謝謝維克多，這很清楚。 與布拉德利·瓊斯在社區進行有趣的討論！
