Optimisation bayésienne - Qu'en est-il du facteur discret numérique ?Bonjour,
Je souhaiterais savoir comment traiter les facteurs numériques discrets dans l'optimisation bayésienne.
Comment puis-je spécifier les intervalles entre deux valeurs numériques discrètes dans JMP ?
Bien qu'il soit possible de forcer un niveau (dans la propriété de colonne) pour les variables catégorielles lorsqu'il n'apparaît pas dans les essais existants, cela n'est pas possible pour les valeurs discrètes (et compliqué à définir de cette manière car si vous ne voulez que des valeurs entières entre 0 et 1000, vous avez de nombreux niveaux à définir, et dans tous les cas, nous perdrions le concept numérique dans ce cas).
Imaginez que vous n'ayez que deux essais avec un facteur discret pouvant prendre des valeurs paires entre 0 et 8. Pour cet exercice, j'ai créé un plan d'expériences (DOE) (juste pour m'assurer que les propriétés des colonnes sont correctement définies).
et imaginez que vous n'ayez que deux essais.
Dans ce cas, elle ouvre la matrice des candidats et j'obtiens un message d'erreur (pas de plateforme d'optimisation bayésienne).
Si j'ai des parties supplémentaires, je peux accéder à la plateforme, mais aucune suggestion pour les niveaux manquants.
Quelqu'un ici a-t-il déjà eu affaire à des facteurs numériques discrets ?
Merci pour vos commentaires,
Florence
Re: Optimisation bayésienne - Qu'en est-il du facteur discret numérique ?Il s'agit d'un problème connu de BayesOps. Le fait de le modifier en « Caractère » ou « Nominal » permettra de résoudre le problème.
Re: Optimisation bayésienne - Qu'en est-il du facteur discret numérique ?Oui, mais cela ne suggérera pas de valeur précise dans l'espace de conception. Seulement celles de la liste.
Savez-vous si la version 20 (ou une version antérieure) prendra en charge les valeurs discrètes ?
Re: Optimisation bayésienne - Qu'en est-il du facteur discret numérique ?Avez-vous essayé d'utiliser un ensemble de candidats ? Vous devriez pouvoir générer un plan d'expérience de remplissage d'espace de grande taille incluant des facteurs numériques discrets, puis le charger comme ensemble de candidats pour l'optimisation bayésienne.
Re: Optimisation bayésienne - Qu'en est-il du facteur discret numérique ?Salut Phil,
Merci pour cette solution de contournement. Elle nécessite quelques étapes préparatoires, mais elle fonctionne.
Re: Optimisation bayésienne - Qu'en est-il du facteur discret numérique ?Oui, espérons que la prise en charge des valeurs numériques discrètes sera disponible dans l'option Bayes de JMP Pro 20. Il pourrait être intéressant de développer une extension Marketplace pour générer des ensembles de candidats, ce qui serait également utile dans les situations de contraintes factorielles.
