视频 1：关于贝叶斯优化用例的问题
Victor：或许我们可以分享一下平台上的用户获取功能，并开始解释它们？
Yuliana：我注意到智能AI提出了一种类似DOE+高斯过程的替代方法作为主动学习实验流程。我仍然觉得，如果我们想要更快的速度，JMP上的BayesOpt表现更好，但我仍然不明白为什么……可能是因为它有更多采集函数吧。
答：这还取决于高斯过程的配置，以及 JMP 团队使用的采集功能是否有效。
视频 2：贝叶斯优化的一个可能应用场景
Victor：不要犹豫，可以混合使用不同的方法：例如，先从小规模的实验设计（DOE）开始，然后再进行块优化（BO）。这种方法可能不适用于块优化或迭代块优化。
链接：
视频 3：受限实验设计——不允许的组合、响应变量的限制、协变量
Victor：如果没有难以更改的因素，并且每个批次运行多次，那么在运行回归模型时，或许可以将“迭代”列用作一个块。
能否更改因素定义？不要使用 X1 和 X2 以及比率约束，而是使用比率和总量作为因素？
尤莉安娜：这个比率是线性约束（二元一次方程组）吗？
有时我会使用可以快速获得的响应作为因子（代替实际因子）来模拟更复杂的响应。
链接：
