貝葉斯最佳化中的自訂期望值我正在嘗試在 JMP Pro 中進行多響應貝葉斯優化。如果這個問題很愚蠢，請見諒。如何為每個回應設定自訂期望值，並讓這些期望值在多次迭代中生效？當我使用“設定期望值”時，我不確定這些期望值是否會傳遞到運行/批次選擇過程，或傳遞到任何後續的貝葉斯最佳化迭代中。
預測建模和機器學習回覆：貝葉斯優化中的自訂期望值嗨@OliverPickburn ，
設定或修改回應的期望值後，您可以使用增強預測分析器（或任何分析器）旁邊的紅色三角形中的「儲存期望值」選項：
- 包含理想條件的原始情況：
使用預設的“最大預期改進”添加的運行具有以下因子值：
- 如果我將 MODULUS 的期望值降低到最低，然後儲存期望值，並使用相同的設定重新啟動平台：
預設新增的運行已更改：
所以，要完整地回答你的問題，改變期望值不會改變為對下一輪迭代中要測試的點進行排名而創建的候選集，但它會改變點的排名和選擇，因為它將與獲取函數和期望值函數相關聯。
與 DoE 類似，貝葉斯最佳化平台確實使用並利用了列屬性（編碼、設計角色、回應限制等）或表格腳本（約束等）中的幾個元資料/資訊。
希望我的回答夠清楚。
回覆：貝葉斯優化中的自訂期望值維克多，謝謝你的回覆。
考慮到 BayesOpt 的重點在於優化，這種方法感覺有點“繞彎”，但它確實有效，我可以接受。以後我只需要記住在運行平台之前設定響應限制。
再次感謝
奧利佛
