Bayes最適化 バッチに含める実験候補の検索
「Bayes最適化 バッチに含める実験候補の検索」セクションでは、追加実験（現在のバッチ）を様々な方法で選択できます。「Bayes最適化 バッチに含める実験候補の検索」セクションの配下にある「プロファイル」セクションには、2種類のプロファイルと、「プロファイルのショートカット」セクションには特定の基準でプロファイルを最適化するためのボタンが用意されています。このセクションでは、各応答変数にあてはめられるGauss過程モデルから、獲得関数を求めて、次のバッチ実験（または実験回数）に含める因子設定を手動で選択できます。プロファイルがもつ機能を利用することで、さまざまな最適化の目標に応じた因子設定を見つけることができます。
プロファイルの現設定をバッチに追加
プロファイルにおける現在の因子設定を候補に追加し、また、「現在のバッチ」にも追加します。
ヒント: このオプションは、プロファイルを手動で更新した後、または［プロファイルのショートカット］ボタンを使用してプロファイルを更新した後に使用してください。
プロファイルのショートカット
様々な評価指標に基づいて最適な因子設定を見つけるためのボタンが用意されています。各オプションは、「実験追加後の獲得関数プロファイル」で縦軸にプロットされる評価指標に対応しています。すべての獲得関数は、「現在のバッチ」の実験を追加した後の予測分布に基づいています。［プロファイルの現設定をバッチに追加］ボタンを使用すると、いま現在のプロファイルにおける因子設定を、「現在のバッチ」に追加できます。
Bayes満足度を最大化
満足度の事後分布における平均が最大となる因子設定を求めます。このオプションは、現在のモデルにおいて満足度の平均が最大となる因子設定を見つけます。十分にモデルがデータに適合しており、また、これ以上、追加実験が必要ないと思われる場合にに、このオプションを用いてください。
Bayes満足度の標準偏差を最大化
満足度の事後分布における標準偏差が最大となる因子設定を求めます。このオプションでは、因子空間を逐次的に探索していけます。バッチサイズが1より大きく、十分にモデルがデータに適合している場合に、このオプションを用いてください。
複数モデル標準偏差を最大化
各モデルの応答変数そのものに対する予測分布の標準偏差に関する総合的な指標が最大となる因子設定を求めます。このオプションは、モデルに基づく予測の不確実性をなるべく小さくするような因子設定を見つけます。バッチサイズが2以上であり、因子範囲の両端がなるべく含まれるように因子空間を探索していきたい場合に、このオプションを用いてください。
MaxPro基準を最大化
MaxPro基準（maximum projection criterion; 最大射影基準）が最大である因子設定を求めます。この基準は、推定されたモデルにはまったく基づいていません。学習データと「現在のバッチにおいて、なるべく因子設定が重ならないようなものを探し出します。任意のバッチサイズについて、1つまたは複数のGauss過程モデルがデータにあまりあてはまっていない場合に、このオプションを用いてください。
期待改善量を最大化
満足度の事後分布から求められる期待改善量が最大となる因子設定を求めます。期待改善量は、因子空間を探索することと、現在のモデルからの情報を活用することのバランス（探索と活用のバランス）をもつ基準です。任意のバッチサイズにおいて、Gauss過程モデルの適合度がある程度までよくなった状況で、このオプションを用いてください。「Bayes最適化」プラットフォームの自動モードは、デフォルトで、1つ取って置き法R2乗が0.25を超えると、MaxPro基準から期待改善量の基準に切り替わります。
ヒント: 期待改善量の最大化は、1バッチあたり1回のみ使用することを推奨します。
上側信頼限界を最大化
満足度の事後分布から計算される上側信頼限界（信頼上限; upper confidence bound, UCB）が最大とる因子設定を求めます。上側信頼限界は、因子空間を探索することと、現在のモデルからの情報を活用することのバランス（探索と活用のバランス）をもつ基準です。任意のバッチサイズにおいて、Gauss過程モデルの適合度がある程度までよくなった状況で、このオプションを用いてください。「Bayes最適化」プラットフォームの自動モードは、デフォルトで、1つ取って置き法R2乗が0.25を超えると、MaxPro基準から期待改善量の基準に切り替わります。上側信頼限界（信頼上限）の基準は、「UCB基準」とも呼ばれています。
最良な学習点を反復
学習データにおいて応答の観測値から求められる満足度が最も高い行の因子設定を戻します。「実験追加後の獲得関数プロファイル」の最初においては、この因子設定が表示されています。プロファイルに変更を加えた後に、このオプションを用いると、プロファイルを最初の状態（学習データに存在する因子設定のなかで満足度が最大となるもの）に戻ります。
実験追加後の獲得関数プロファイル
このセクションには、「現在のバッチ」における実験も考慮した獲得関数の予測プロファイルが表示されます。デフォルトでは、「Bayes満足度」のプロファイルだけが表示されています。この「Bayes満足度」は、満足度に関して、Gauss過程モデルに基づいて求められる事後分布の平均です。なお、満足度の事後分布から求められる区間は、学習データだけでなく、「現在のバッチ」の実験も追加したものとして計算されています。「プロファイルショートカット」セクションでオプションを選択すると、そのオプションのプロファイルも表示されます。すべての獲得関数のプロファイルを表示するには、［獲得関数の表示切り替え］オプションを選択してください。予測プロファイルの詳細については、『プロファイル機能』の「プロファイル」を参照してください。
実験追加後の予測プロファイル
このセクションには、各応答変数の予測プロファイルが表示されます。予測分布の平均だけでなく、予測分布の標準偏差も表示したい場合には、［予測標準偏差の表示切り替え］オプションを選択してください。予測プロファイルの詳細については、『プロファイル機能』の「プロファイル」を参照してください。
メモ: 「実験追加後の獲得関数プロファイル」と「実験追加後の予測プロファイル」はリンクしています。一方のプロファイルで因子設定を変更すると、もう一方のプロファイルにも適用されます。
その他の赤い三角ボタンのメニューについては、「Bayes最適化 バッチに含める実験候補の検索」レポートのオプションを参照してください。