ベイズ最適化に焦点を当てたJMP 19の新機能の紹介
詳細情報: https://www.jmp.com/en/software/new-release/new-in-jmp
質問 1: 履歴データセットがない場合、ベイズ最適化を開始できますか?
ビクター：はい、実験空間をカバーするために空間充填実験から始めることができます
ジョナス：データセットには少なくとも1行と、いくつかの初期列情報が必要です。1行または数行から開始した場合、より多くの設計空間を探索するために実行回数が追加されます。
はい、基本的にプラットフォームを実行するには、いくつかのメタデータと列情報が必要です（少なくともデザインの役割とコーディング）。
ビクター： I would start with a simple basic design first
マリア：ベイズ最適化に関する開発者向けチュートリアル: https://community.jmp.com/t5/Learn-JMP-Events/Developer-Tutorial-Bayesian-Optimization/ev-p/894910?…
ビクター： スコープデザイン | Prismを使って、回答の変動性と要因に関する変動性をチェックすることができます。
ウィンフリード：名前の通りです。これは、すぐに最適化を始められると確信している場合に特に便利です。問題を理解するプロセスの初期段階であれば、スクリーニング係数や空間充填設計などの他の設計ツールを使用してください。
ビクター：スコープ設計DoE JMPアドイン - JMPユーザーコミュニティ
ウィンフリード： BOのようなシーケンシャルな手法を使う場合は、時間的な傾向に注意してください。なぜランダム化が一般的に使われるのかを思い出してください。
ビクター：また、DoE は静的な、1 つのデザインですべての質問に答える方法論ではないことも強調しておく必要があります。ベイズ最適化と同様に、反復によって段階的にデザインを拡張することで進歩できます。スクリーニング デザインから始めて、高次の効果で拡張し、次に空間充填で拡張します... 可能性は無限大で、これらの手順をベイズ最適化と組み合わせることができます。
ウィンフリード： Be aware of time trend with any sequential method like BO! Remember, why we are generally use randomisation! 
はい、BO には、DoE で見つけられるブロッキングやその他の時間傾向の堅牢な設計のような保護はありません。
ビクター：最適化手法の概要： 最適化手法の進化 | Victor Guiller | Medium
質問 2: 多くの要因を持つ設計空間に使用できる予測プロファイラーのようなツールはありますか?
ビクター： 6つ以上の因子に対して予測プロファイラーを使用する際の実際的な難しさは何ですか？最適化できますか？回答における因子の重要度に基づいて、因子のスペースを減らす必要があるかもしれません。
アンソニー：効果の大きさに基づいて削減することもできます。実際的な重要性の問題です。あるものが他のものに比べて非常に低い場合は、最初にそれらを削減することができます。
ビクター：PCA might not work well using independent factors
アンソニー： PCA は Y の次元を削減するために使用しました。複数の x には使用していません。
ビクター：シミュレーターを使用して、予測を含む新しいデータセットを作成し、独自の視覚化を作成することもできます。
質問 3: DOE 設計に異なる開始材料の製品品質を含めること。
ランダム ブロックを使用して、DOE 実行全体で異なるバッチ/製品品質を割り当てることができますか?
ジョナス:共変量因子でしょうか?
アンソニー： treat as a factor, covariate, blocking all come to mind as options
マンリウス：異なる素材にブロッキングを使用することができます
ビクター：バッチが平均応答と分散応答（モデル内の固定効果とランダム効果）に与える影響を評価するかどうか、これらのバッチ品質がどの程度代表的であるか、そして目的によって異なります。
質問4：ベイズ最適化は、学習過程における因子の追加と削除の反復をどのように処理するのでしょうか？現在のワークフローでは、設計因子とノイズ因子は実験ごとに変化します。BayesOptがこれにどのようにアプローチするのか興味があります。
その他のリソース:
