基于分类变量设定因子限值亲爱的JMP！
我们最近购买了 JMP Pro，我想利用贝叶斯优化。
我想通过快速灵活填充设计（Fast Flexible Filling Design）生成一组初始点集，以进行优化。
我有 2 个响应和 5 个因素，其中 1 个是分类的（Dtype），4 个是连续的。
根据 Dtype 的级别，我希望将因子 D 的限制设置为不同的值（例如，对于 P 和 A，限制在 5-10 之间；对于 L，限制在 5-20 之间）。
我该如何实现这一点？
我附上了JMP Pro的屏幕截图。
感谢您抽出时间解答。
实验设计预测建模和机器学习回复：基于分类变量设置因子限值你好@VarianceCivet85
欢迎加入社区！
在创建空间填充设计以生成候选集时，您可以使用不允许的组合过滤器或不允许的组合脚本轻松实现目标。
选择“使用不允许的组合筛选器”，然后选择因子类型 Dtype = P 且因子 D 的范围为 10 到 20，或者因子类型 Dtype = A 且因子 D 的范围为 10 到 20。根据您提供的信息，这些是您设计中不需要的因子范围/组合，您应该会看到以下屏幕：
如果您更熟悉 JMP 脚本，可以使用“使用禁用组合脚本”选项和以下脚本：
Dtype == "P" & D >= 10 | Dtype == "A" & D >= 10
这样你就能得到同样的结果。
指定候选集所需的点数，生成数据表，最后即可检查约束条件是否得到有效执行和遵守：
我推荐阅读@Jed_Campbell的优秀博客《揭秘因子约束》 ，它将解释在创建设计/候选集时强制执行约束的不同方法。
编辑：由于您希望为贝叶斯优化创建起点，您可以考虑使用 D 最优自定义设计并强制执行前面提到的约束，以确保每个因子的取值范围都能以最少的运行次数得到探索。仅使用 6 次运行和快速灵活填充设计时，我遇到了一些情况，即每种 Dtype 的 D 值范围并未被完全探索：
采用自定义设计方法（并且模型中仅使用主效应），您至少需要运行 7 次，但运行的重新分配可确保您探索任何 Dtype 级别的整个范围：
希望这个答案能解决你的问题。
