贝叶斯优化中的自定义期望值我正在尝试在 JMP Pro 中进行多响应贝叶斯优化。如果这个问题很愚蠢，请见谅。如何为每个响应设置自定义期望值，并让这些期望值在多次迭代中生效？当我使用“设置期望值”时，我不确定这些期望值是否会传递到运行/批处理选择过程，或者传递到任何后续的贝叶斯优化迭代中。
预测建模和机器学习回复：贝叶斯优化中的自定义期望值嗨@奥利弗·匹克本 ，
设置或修改响应的期望值后，您可以使用增强预测分析器（或任何分析器）旁边的红色三角形中的“保存期望值”选项：
- 包含理想条件的原始情况：
使用默认的“最大预期改进”添加的运行具有以下因子值：
- 如果我将 MODULUS 的期望值降低到最低，然后保存期望值，并使用相同的设置重新启动平台：
默认添加的运行已更改：
所以，要完整地回答你的问题，改变期望值不会改变为对下一轮迭代中要测试的点进行排名而创建的候选集，但它会改变点的排名和选择，因为它将与获取函数和期望值函数相关联。
与 DoE 类似，贝叶斯优化平台确实使用并利用了列属性（编码、设计角色、响应限制等）或表脚本（约束等）中的几个元数据/信息。
希望我的回答足够清楚。
回复：贝叶斯优化中的自定义期望值维克多，谢谢你的回复。
考虑到 BayesOpt 的重点在于优化，这种方法感觉有点“绕弯”，但它确实有效，我可以接受。以后我只需要记住在运行平台之前设置响应限制即可。
再次感谢
奥利弗
