Optimización bayesiana: ¿Qué pasa con el factor numérico discreto?Hola,
Me gustaría saber cómo tratar los factores numéricos discretos en la optimización bayesiana.
¿Cómo especifico los pasos entre dos valores numéricos discretos en JMP?
Si bien es posible forzar un nivel (en la propiedad de la columna) para variables categóricas cuando no aparece en los ensayos existentes, esto no es posible para valores discretos (y es complicado de definir de esta manera porque si solo desea valores enteros entre 0 y 1000, tiene muchos niveles para definir y, en cualquier caso, perderíamos el concepto numérico en este caso).
Imagina que solo tienes dos ensayos con un factor discreto que puede tomar valores pares entre 0 y 8. Para el ejercicio, creé un DOE (solo para asegurarme de que las propiedades de la columna estén definidas correctamente).
e imagina que sólo tienes dos carreras.
En este caso, abre la matriz candidata y tengo un mensaje de error (no hay plataforma de optimización bayesiana)
Si tengo carreras adicionales, puedo acceder a la plataforma, pero no hay sugerencias para los niveles faltantes.
¿Alguien aquí ha trabajado alguna vez con factores digitales discretos?
Gracias por tus comentarios,
Florencia
Re: Optimización bayesiana: ¿Qué pasa con el factor numérico discreto?Este es un problema conocido de BayesOps. Cambiarlo a Carácter o Nominal lo hará funcionar.
Re: Optimización bayesiana: ¿Qué pasa con el factor numérico discreto?Sí, pero no sugerirá un valor discreto en el espacio de diseño. Solo los de la lista.
¿Sabes si la versión 20 (o anterior) admitirá valores discretos?
Re: Optimización bayesiana: ¿Qué pasa con el factor numérico discreto?¿Has probado a usar un conjunto de candidatos? Deberías poder generar un diseño grande que rellene el espacio, incluyendo factores numéricos discretos, y luego cargarlo como el conjunto de candidatos para la optimización bayesiana.
Re: Optimización bayesiana: ¿Qué pasa con el factor numérico discreto?Hola Phil,
Gracias por esta solución. Requiere algunos pasos de preparación, pero funciona.
Re: Optimización bayesiana: ¿Qué pasa con el factor numérico discreto?Sí, es de esperar que los números discretos sean compatibles con Bayes opt en JMP Pro 20. Tal vez exista potencial para una extensión de Marketplace para generar conjuntos de candidatos que también podrían ayudar con situaciones de restricción de factores.
