基於分類變數設定因子限值親愛的JMP！
我們最近購買了 JMP Pro，我想利用貝葉斯優化。
我想透過快速靈活填充設計（Fast Flexible Filling Design）產生一組初始點集，以進行最佳化。
我有 2 個回應和 5 個因素，其中 1 個是分類的（Dtype），4 個是連續的。
根據 Dtype 的級別，我希望將因子 D 的限制設為不同的值（例如，對於 P 和 A，限制在 5-10 之間；對於 L，限制在 5-20 之間）。
我該如何實現這一點？
我附上了JMP Pro的螢幕截圖。
感謝您抽空解答。
實驗設計預測建模和機器學習回覆：基於分類變數設定因子限值你好@VarianceCivet85
歡迎加入社群！
在建立空間填滿設計以產生候選集時，您可以使用不允許的組合篩選器或不允許的組合腳本輕鬆實現目標。
選擇“使用不允許的組合篩選器”，然後選擇因子類型 Dtype = P 且因子 D 的範圍為 10 到 20，或因子類型 Dtype = A 且因子 D 的範圍為 10 到 20。根據您提供的信息，這些是您設計中不需要的因子範圍/組合，您應該會看到以下畫面：
如果您更熟悉 JMP 腳本，可以使用「使用停用組合腳本」選項和以下腳本：
Dtype == "P" & D >= 10 | Dtype == "A" & D >= 10
這樣你就能得到同樣的結果。
指定候選集所需的點數，產生資料表，最後即可檢查約束條件是否有效執行與遵守：
我推薦閱讀@Jed_Campbell的優秀部落格《揭秘因子約束》 ，它將解釋在創建設計/候選集時強制執行約束的不同方法。
編輯：由於您希望為貝葉斯最佳化建立起點，您可以考慮使用 D 最優自訂設計並強制執行前面提到的約束，以確保每個因子的取值範圍都能以最少的運行次數得到探索。僅使用 6 次運行和快速靈活填充設計時，我遇到了一些情況，即每種 Dtype 的 D 值範圍並未被完全探索：
採用自訂設計方法（且模型中僅使用主效應），您至少需要執行 7 次，但執行的重新分配可確保您探索任何 Dtype 等級的整個範圍：
希望這個答案能解決你的問題。
