贝叶斯优化——数值离散因子又该如何处理？你好，
我想了解贝叶斯优化中如何处理离散数值因子。
如何在JMP中指定两个离散数值之间的步长？
虽然可以强制分类变量在现有试验中未出现的级别（在列属性中）进行分类，但对于离散值则无法做到这一点（而且以这种方式定义也很复杂，因为如果您只想使用 0 到 1000 之间的整数值，则需要定义许多级别，而且无论如何，在这种情况下我们都会失去数值概念）。
假设你只有两次试验，试验中有一个离散因子，其取值范围为 0 到 8 之间的偶数。为了进行练习，我创建了一个实验设计（DOE）（只是为了确保列属性定义正确）。
想象一下你只有两次机会。
在这种情况下，它打开候选矩阵，但我收到一条错误消息（没有贝叶斯优化平台）。
如果我还有额外的游戏次数，我可以访问该平台，但对于缺失的关卡没有提示。
这里有人接触过离散数字因子吗？
感谢您的反馈。
佛罗伦萨
回复：贝叶斯优化——数值离散因子又该如何处理？这是 BayesOps 的一个已知问题。将其更改为 Character 或 Nominal 即可解决。
回复：贝叶斯优化——数值离散因子又该如何处理？是的，但它不会在设计空间中给出具体的数值，只会给出列表中的数值。
请问20版（或之前的版本）是否支持离散值？
回复：贝叶斯优化——数值离散因子又该如何处理？你试过使用候选集吗？你应该能够生成一个包含离散数值因子的大型空间填充设计，然后将其作为贝叶斯优化的候选集加载。
回复：贝叶斯优化——数值离散因子又该如何处理？嗨，菲尔，
感谢您提供的这个解决方法。虽然需要一些准备步骤，但确实有效。
回复：贝叶斯优化——数值离散因子又该如何处理？是的，希望 JMP Pro 20 的贝叶斯选项能够支持离散数值计算。或许可以开发一个 Marketplace 扩展来生成候选集，这也有助于处理因子约束的情况。
