追加実験の候補
「Bayes最適化」プラットフォームの「追加実験の候補」セクションには、「現在のバッチ」を選択する際に検討される因子設定の候補がすべて表示されています。デフォルトでは、この候補データの行数は、因子の個数の1000倍と10,000のうちのいずれか小さいほうの値です。起動ウィンドウの［追加実験の候補の行数］オプションを使用すると、このデフォルトの行数を変更できます。この候補データは、各因子の範囲内に対して生成された一様乱数（準乱数もしくは疑似乱数）になっています。なお、因子のなかに配合因子がある場合や、線形制約のテーブルスクリプトがある場合には、それらの制約を考慮しながら一様疑似乱数を生成します。
この候補データは、すでに「現在のバッチ」に追加された行と、「現在のバッチ」には含まれていない行の2つのセクションに分かれています。各行の左横にあるチェックボックスを使用して、「現在のバッチ」に含める行を手動で選択することもできます。「現在のバッチ」に追加された行は、追加された順に並べ替えられています。この候補データの表には、その因子設定に対する獲得関数の値が表示されています。どの獲得関数を表示させるかは、選択できます。。「追加実験の候補」レポートのオプションで述べられている獲得関数を追加できます。
メモ: なお、JMPで自動的に候補データを生成するのではなく、データテーブルを自分で準備しておいて、そのデータテーブルを候補データとしてロードすることもできます。詳細については、データテーブルから追加実験の候補をロードを参照してください。このオプションを使用すると、既存の候補データは削除され、候補データはロードされたデータテーブルに置き換えられます。レポートのタイトルにはデータテーブルの名前が含まれます。
「追加実験の候補」セクションでは、次のオプションも使用できます。
実験候補をバッチに自動選択
「現在のバッチ」に含める行を候補データから自動的に選択します。選択する行数と、候補データから選択する方法を指定できます。次のような方法で、候補データから「現在のバッチ」を選択することができます。
Space Filling探索
Space Filling計画（空間充填計画）のMaxPro基準が最大となっている候補点を選択していきます。この方法は、まだ調べられていない因子空間を探索することに重点を置いています。この方法は、推定されたGauss過程モデルの情報をまったく用いていません。特に、モデルがデータにあまりあてはまっていない場合に有用です。
モデルの改良
まず、期待改善量が最大となっている候補点を1つ選択します。そして、バッチサイズが2以上の場合には、Bayes満足度の標準偏差もしくは複数モデルの標準偏差が最大となっている点を選択していきます。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。この方法は、推定されたモデルに基づいて最適化すると同時に、調べていない領域も考慮したい場合に有用です。
最適値の確認・再検討
まず、Bayes満足度（満足度の事後分布における平均）が最大となっている候補点を1つ選択します。そして、バッチサイズが2以上の場合には、Bayes満足度が学習セットでの最適な因子設定と同等かそれ以上になっている因子設定の組み合わせを特定します。この部分集合のなかから、満足度の標準偏差（満足度の事後分布における標準偏差）を最大化する候補点が準にm選択されていきます。このアルゴリズムは、推定されたモデルの情報を活用することに重点を置いています。この方法は、モデルに基づき直接最適化したい最後の追加実験を決める際に有用です。
すべて選択解除
選択されている行をすべて「現在のバッチ」から削除します。
元に戻す
候補データの表に対して行った直前の変更内容を元に戻します。
やり直し
候補データの表に対して行った直前の変更内容を再び適用します。
その他の赤い三角ボタンのメニューについては、「追加実験の候補」レポートのオプションを参照してください。