贝叶斯优化(BayesOpt)是 JMP Pro 19 新增的一个平台。借助该平台,您可以使用现有数据拟合模型,然后利用该模型智能地确定下一步的采样点。这些新的观测值可用于更新模型并找到更优的样本。此过程可以从最少的运行次数开始,这意味着减少在次优样本上浪费的资源,从而将更多时间投入到探索新机会上。

喜欢视频?点击此处观看。
轻松解决问题
BayesOpt 内置自动模式,可解决您的“标准”问题。它能帮您找到下一步该做什么,而无需纠结于细节。

广泛适用
另外,对于更复杂的问题或当您想自己深入研究细节时,可以使用一套交互式自定义选项。

信任与透明度
BayesOpt 的结果易于理解和解释。平台会自动检测并记录样本的选择方式和原因,以追踪您的探索过程。您也可以在平台内手动编辑这些原因,以自定义您的文档。

此外,该平台基于您熟悉的预测分析器及其内置的可取性函数构建,让您能够快速上手。而且,您不必完全接受平台的建议!除了自动建议之外,BayesOpt 还提供可靠且可解释的指标,让您能够根据其建议做出明智的决策。

追踪您的进度
通过内置的可取性运行图,立即获得项目在样本迭代中进展情况的反馈。

无需重新开始即可扩展您的选择
没有哪个行业会长期停滞不前。BayesOpt 让您保持开放的选项,即使这些选项在您开始产品开发流程后发生变化。对于连续变量,您可以使用刻画器轴直接在平台中扩展您想要探索的范围,然后再生成新的候选集以供选择。对于更复杂的因素和约束条件更改,请将任何自定义候选集加载到平台中。

除了从候选集中选择样本点之外,您还可以使用分析器来探索预测并从中选择样本点。

抢先看
为了演示 BayesOpt 直观的工作流程,我们来看一个小例子。下面是我们样本索引中轮胎胎面样本的重新模拟版本,该样本索引包含在您的 JMP 副本中。我将使用 BayesOpt 平台最大化磨损响应,同时匹配伸长率和硬度的目标值。由于 BayesOpt 大量使用了刻画器期望值,因此我在运行平台之前就已设置好它们。

从分析菜单启动平台即可开始。

BayesOpt 有一个典型的 JMP 建模平台启动对话框。此时您只需指定 Y 值和 X 值,因为我们正处于 BayesOpt 流程的开始阶段。请注意,您可以在此处选择批次大小,即自动模式添加的行数。默认设置为 1,但在本例演示中,我将批次大小设置为 2。

BayesOpt 平台按选项卡组织。首先查看“模型摘要”选项卡,其中包含所有响应的重要信息。我们首先应该查看所有 RSqs 的摘要。自动模式算法会查看 RSqs 以确定模型是否足够好。您可以在下方看到,磨损模型的 RSq 低于我们的标准,并以红色突出显示。在其下方,我们可以看到观察到的可取性运行图,它持续记录了我们的进度。在本例中,我们看到最初的五次运行效果不佳。在后续迭代中,我们希望看到这些值呈上升趋势。

此选项卡的其余部分是一个相当标准的 JMP 平台,包含实际值与预测值的对比图和刻画器。底部的按钮可用于查看预测标准误差的轨迹。现在,我们转到“批次选择”选项卡。平台的自动选择功能已找到启动对话框中请求的两次运行。默认情况下,它会假定您希望保持自动模式,从而使报告保持非常紧凑。
由于我们得到的响应的RSq较低,平台选择停留在空间填充探索阶段。它使用空间填充标准(MaxPro空间填充),这有助于高斯过程模型更好地拟合。

在这里,点击“创建表格”,运行结果将自动添加到表格中,本轮操作完成。返回表格,我们可以看到已添加两次运行,以及“迭代”列和“添加原因”列,用于记录这些运行出现的原因。

我使用我的模拟器创建新的响应并再次启动平台。

平台重新启动后,我们可以看到,两次空间填充运行已经使响应更加合适,但新的响应并没有比原来的五个响应好多少。

转到“批次选择”选项卡,我们发现这两次运行并非空间填充运行,因为我们已经从“空间填充”阶段进入了“模型细化”阶段。我们可以点击“制表”并重复该过程。

跳过两批,我们再次看到模型仍然很好,并且我们的运行图显示,虽然第二批没有导致响应显着改善,但第三批却做到了!

查看“批次选择”选项卡,我们发现它正在复制迄今为止我们见过的最佳训练运行,这意味着我们已进入贝叶斯优化算法的第三阶段,即确认/挑战阶段。在此阶段,我们首先要确认我们拥有最佳运行结果,同时还要寻找挑战该最优结果的邻近运行结果。我们可以就此打住,但我们将进一步观察结果。

再进行一次迭代后,我们发现结果基本相同,自动模式算法仍处于确认/挑战模式。我们无法排除还有更多改进空间的可能性,但这个结果表明我们可能已经找到了最佳设置。


感谢您探索全新的贝叶斯优化平台。随着正式版的临近,我们期待与您分享更多功能和细节,并致力于为未来版本带来诸多激动人心的改进。
进一步阅读
Frazier, PI (2018)。贝叶斯优化教程。arXiv预印本 arXiv:1807.02811 。
您好,感谢您提供的详细步骤说明。请问如何才能访问您提到的延伸阅读教程?