使用 JMP Pro 19 制作的视频于 2025 年 11 月发布。
本课程面向负责快速创新、力争率先将新产品推向市场的研发产品和工艺工程师。
贝叶斯优化是一种迭代学习技术，它利用模型生成新的候选方案进行评估。贝叶斯优化在每次迭代中都能从响应中学习，并能比传统方法更清晰地指导我们何时停止实验。其迭代特性有望大幅减少流程和产品开发所需的时间和资源，因此可能非常适合许多研发文化。
首先，利用现有数据（历史数据或初始实验数据）构建高斯过程模型（GaSP）。然后，结合模型预测结果、预测不确定性和响应目标，生成新的候选因子组合进行测试。测试后，使用新数据更新模型。重复上述步骤，直至满足响应目标并找到最优因子组合。
JMP Pro 的新增强功能包含一个交互式新平台——贝叶斯优化。
“这项技术并非用于确定模型的拟合优度，而是一种发现我们尚未掌握数据的新领域的途径。”——C. Gotwalt
JMP首席数据科学家兼全新贝叶斯优化功能的主要开发者克里斯·戈特瓦尔特(Chris Gotwalt)将演示并讲解该功能及其所采用的底层统计方法。本次演示包含问答环节。
本 JMP 开发人员教程涵盖以下内容：交互式生成初始高斯过程模型；指定要测试或运行的新候选因子组合；探索设计空间；总结高斯过程模型拟合度；比较因子和响应并交互式地进行假设分析。
资源
