ベイズ最適化（BayesOpt）は、JMP Pro 19に搭載される新しいプラットフォームです。既存のデータを用いてモデルを当てはめ、そのモデルを用いて次にサンプリングする場所をインテリジェントに決定できます。これらの新しい観測値はモデルを更新し、より優れたサンプルを見つけるために使用されます。このプロセスは最小限の実行回数で開始できるため、最適ではないサンプルに費やすリソースを削減し、より多くの時間を新たな機会の探索に費やすことができます。
動画をご希望ですか? こちらからご覧ください。
問題を簡単に解決
BayesOptには、「標準的な」問題に対応する自動モードが組み込まれています。細かい点に惑わされることなく、次にどこを見ればよいかを把握できます。
広く適用可能
あるいは、より複雑な問題や詳細を自分で調べたい場合には、一連のインタラクティブなカスタマイズ オプションを利用できます。
信頼と透明性
BayesOptの結果は理解しやすく、解釈しやすいものです。プラットフォームは、サンプルがどのように、そしてなぜ選択されたかを自動的に検出し、記録することで、探索の進捗を追跡します。また、プラットフォーム内でこれらの理由を手動で編集して、ドキュメントをカスタマイズすることも可能です。
さらに、このプラットフォームは使い慣れた予測プロファイラーと、その望ましさ評価関数を基盤としているため、すぐに使い始めることができます。プラットフォームの提案を鵜呑みにする必要はありません。自動提案に加え、BayesOptは信頼性が高く解釈可能な指標も提供し、その推奨に基づいて十分な情報に基づいた意思決定を支援します。
進捗状況を追跡する
組み込まれた望ましさ実行チャートを使用して、サンプル反復全体でプロジェクトがどの程度進んでいるかについてのフィードバックをすぐに取得します。
最初からやり直さずに選択肢を広げる
どの業界も長く停滞することはありません。BayesOpt を使えば、製品開発プロセス開始後に選択肢が変化したとしても、選択肢を広く保つことができます。連続変数の場合、プロファイラーの軸を使用して、プラットフォーム内で直接探索範囲を拡大してから、新しい候補セットを生成して選択できます。因子や制約をより複雑に変更したい場合は、任意のカスタム候補セットをプラットフォームにロードしてください。
候補セットからサンプル ポイントを選択するだけでなく、プロファイラーを使用して予測を調査し、そこからサンプル ポイントを選択することもできます。
チラ見せ
BayesOptの直感的なワークフローを説明するために、小さな例を見てみましょう。以下は、JMPに付属のサンプルインデックスにあるTiretreadサンプルを再シミュレーションしたものです。BayesOptプラットフォームを使用して、摩耗応答を最大化し、伸長率と硬度の目標値を達成します。BayesOptはプロファイラの望ましさを非常に重視するため、プラットフォームを実行する前に設定しておきました。
開始するには、分析メニューからプラットフォームを起動します。
BayesOptには、JMPのモデリングプラットフォームに典型的な起動ダイアログがあります。BayesOptプロセスの開始段階なので、現時点ではYとXの値を指定するだけで済みます。ここでバッチサイズ（自動モードで追加される行数）を選択できることにご注意ください。デフォルトは1に設定されていますが、この最初のデモではバッチサイズを2に設定します。
BayesOptプラットフォームはタブで構成されています。まずは「モデルサマリー」タブから始めましょう。このタブには、すべての応答に関する重要な情報が表示されます。まず最初に確認すべきは、すべてのRSqsの概要です。自動モードアルゴリズムはRSqsを参照して、モデルが十分に使用できるかどうかを判断します。以下に示すように、摩耗モデルのRSqsは基準を下回っており、赤くハイライト表示されています。その下には、観測された望ましさの実行チャートがあり、進捗状況のスコアが記録されています。この例では、最初の5回の実行はあまり良好ではなかったことがわかります。以降の反復処理で、これらの値が上昇傾向にあることを確認したいと考えています。
このタブの残りの部分は、実測値と予測値のプロットとプロファイルを備えた、ごく標準的なJMPプラットフォームです。下部のボタンをクリックすると、予測標準誤差のトレースを表示できます。それでは、「バッチ選択」タブに移りましょう。プラットフォームの自動選択機能により、起動ダイアログで要求された2つの実行が検出されました。デフォルトでは、自動モードが維持されることが想定され、レポートは非常にコンパクトにまとめられています。
RSqが低い応答があるため、プラットフォームは空間充填探索フェーズに留まることを選択しました。空間充填基準（MaxPro Space Filling）を使用することで、ガウス過程モデルの適合性が向上します。
ここから「テーブルを作成」をクリックすると、実行が自動的にテーブルに追加され、このラウンドは完了です。テーブルに戻ると、2つの実行が追加されていることがわかります。また、「反復」列と「追加された理由」列には、これらの実行がなぜ追加されたのかが記録されています。
シミュレータを使用して新しい応答を作成し、プラットフォームを再度起動します。
プラットフォームが再起動されると、2 回のスペース充填実行によって応答の適合性が向上したことがわかりますが、新しい応答は元の 5 つの応答と比べて有意に優れているわけではありません。
バッチ選択タブに移動すると、空間充填フェーズからモデル改良フェーズに移行したため、2つの実行は空間充填実行ではないことがわかります。「テーブル作成」をクリックして、このプロセスを繰り返すことができます。
2 バッチ先に進むと、モデルはすべて依然として良好であることが再びわかります。実行チャートには、2 バッチ目では応答が大幅に改善されなかったものの、3 バッチ目では改善されたことが示されています。
バッチ選択タブを見ると、これまでで最も良いトレーニング実行が再現されていることがわかります。これは、ベイズ最適化アルゴリズムの第3段階である確認/チャレンジフェーズに進んでいることを意味します。この段階では、まず最良の実行が得られていることを確認しつつ、その最適値に挑戦する近傍の実行を探します。ここで停止することもできますが、もう少し進んでどうなるか確認してみましょう。
もう1回繰り返したところ、基本的に同じ結果が得られ、自動モードのアルゴリズムは確認/チャレンジモードのままであることがわかりました。改善の余地がまだある可能性は否定できませんが、この結果は、すでに最適な設定を見つけている可能性を示唆しています。
新しいベイズ最適化プラットフォームをご利用いただきありがとうございます。リリースが近づくにつれ、このプラットフォームのさらなる機能と詳細をお伝えできることを期待しています。また、今後のリリースに向けて、多くのエキサイティングな改善に取り組んでいます。
さらに読む
Frazier, PI (2018). ベイズ最適化のチュートリアル. arXivプレプリント arXiv:1807.02811 .
こんにちは。ステップバイステップの説明をありがとうございます。参考文献のチュートリアルにはどうやってアクセスすればいいですか？
